Apakah ada alternatif untuk tes Kolmogorov-Smirnov untuk data yang diikat dengan koreksi?

Saya punya banyak data dari dua sampel (kontrol dan perlakuan), masing-masing berisi beberapa ribu nilai yang harus menjalani pengujian signifikansi di R. Secara teoritis, nilai-nilai harus kontinu, tetapi karena pembulatan dilakukan oleh perangkat lunak pengukuran mereka tidak t dan mereka punya ikatan. Distribusi tidak diketahui dan bentuk kontrol dan distribusi diperlakukan mungkin berbeda, jadi saya ingin menggunakan tes non-parametrik untuk membandingkan jika perbedaan antar sampel signifikan untuk 10 faktor yang berbeda.

Saya berpikir untuk menggunakan tes Kolmogorov-Smirnov, tetapi tidak cocok untuk ikatan. Saya baru-baru ini menemukan perpustakaan R baru yang disebut Matching yang mengeksekusi versi bootstrap dari tes KS dan mentoleransi ikatan. Sekarang apakah ini benar-benar ide yang bagus atau haruskah saya menggunakan tes lain? Dan apakah saya perlu menyesuaikan nilai-p?

Alih-alih menggunakan tes KS Anda hanya bisa menggunakan permutasi atau prosedur resampling seperti yang diterapkan dalam oneway_testfungsi coinpaket. Lihatlah jawaban yang diterima untuk pertanyaan ini .

Pembaruan : Paket saya afexberisi fungsi yang compare.2.vectorsmenerapkan permutasi dan tes lainnya untuk dua vektor. Anda bisa mendapatkannya dari CRAN:

install.packages("afex")

Untuk dua vektor xdan y(saat ini) mengembalikan sesuatu seperti:

> compare.2.vectors(x,y)
$parametric
   test test.statistic test.value test.df       p
1     t              t     -1.861   18.00 0.07919
2 Welch              t     -1.861   17.78 0.07939

$nonparametric
             test test.statistic test.value test.df       p
1 stats::Wilcoxon              W     25.500      NA 0.06933
2     permutation              Z     -1.751      NA 0.08154
3  coin::Wilcoxon              Z     -1.854      NA 0.06487
4          median              Z      1.744      NA 0.17867

Setiap komentar mengenai fungsi ini sangat disambut.