假设我做了一个 Wilcoxon 符号秩配对检验，例如：
a<-c(1.1, 2.2, 3.3, 4.4, 5.5)
b<-c(1.6, 1.0, 3.9, 2.2, 3.7)
wilcox.test(a,b,paired=TRUE,conf.int=TRUE)
Wilcoxon signed rank test
data: a and b
V = 12, p-value = 0.3
alternative hypothesis: true location shift is not equal to 0
95 percent confidence interval:
-0.6 2.2
sample estimates:
(pseudo)median
0.8
我想知道如何解释sample estimates(pseudo) median 0.8？这个值是如何计算的？
从 wilcox.test 包的文档中：
可选地（如果参数 conf.int 为真），计算非参数置信区间和伪中值（一个样本情况）或位置参数 xy 差异的估计量。（分布 F 的伪中位数是 (u+v)/2 分布的中位数，其中 u 和 v 是独立的，各自具有分布 F。如果 F 是对称的，则伪中位数和中位数重合。参见 Hollander & Wolfe (1973)，第 34 页。请注意，在两个样本的情况下，位置参数差异的估计量并不估计中位数的差异（一个常见的误解），而是来自 x 和 a 的样本之间差异的中位数。来自 y 的样本。
伪中位数是信息丰富的，因为它是移位备选方案的位置参数的估计量。将其与样本中位数进行比较也可以是对称性的启发式测量。
我要补充一点，我的印象是伪中位数应该等于中位数成对距离的 Hodges-Lehmann 估计，但使用您的数据计算：
median(as.vector(outer(a,b,"-")))
给我 0.7 而不是 0.8。也许其他人将能够为那里的差异提供照明。