似乎是测试能力的问题。如果你只看一个子集，你的参与者就会少得多，因此找到类似大小的效果的能力也会少得多。

随着样本量的减少，您只能找到更大的效果。因此，不建议在这种情况下只查看子集。除非存在互动（即，结果是否指向男性和女性的相同方向？）。

此外，没有必要使用 Wilcoxon 检验，因为您的数据不是正态分布的（除非它严重偏离）。可能您仍然可以使用 t.test（例如，这里的一位用户 whuber，最近在类似情况下提倡使用 t.test，因为通常假设不一定适用于数据，而是适用于采样分布。引用他：“原因是平均值的采样分布近似正态，即使数据的分布不是”）。

但是，如果您仍然不想使用 t.test，那么还有更强大的“无假设”参数替代方案，尤其是置换测试。在这里查看我的问题的答案（whubers 引用也来自那里）：R 中使用哪个排列测试实现而不是 t 测试（配对和非配对）？
在我的情况下，结果甚至比使用 t.test 时好一点（即更小的 p）。所以我会推荐这个基于coin包的排列测试。如果您在问题中提供一些示例数据，我可以为您提供必要的 r 命令。

更新：异常值对 t-test 的影响
如果您查看 R 中 t.test 的帮助?t.test，您会发现以下示例：

t.test(1:10,y=c(7:20))      # P = .00001855
t.test(1:10,y=c(7:20, 200)) # P = .1245    -- NOT significant anymore

尽管在第二种情况下，您的均值差异更大，但异常值会导致违反直觉的发现，即数据不再显着。因此，如果数据允许，建议将处理异常值的方法（例如 Winsorizing，此处）用于参数测试作为 t。

这不一定是统计能力的问题；它也可能是混淆的一个例子。

例子：

• 一类在男性中更常见，而另一类在女性中更常见 $O$
• 的分布在男性和女性之间不同 $A$
• 分别在每个性别内类别分布完全相同$A$$O$

类别之间的分布仍然会有总体差异。$A$$O$