Моя проблема: параллельное групповое рандомизированное исследование с очень искаженным распределением первичного результата. Я не хочу предполагать нормальность и использовать 95% ДИ, основанные на норме (то есть, используя 1,96 X SE).
Мне удобно выражать меру центральной тенденции как медиану, но мой вопрос заключается в том, как построить 95% -е ДИ разницы медиан между двумя группами.
Первое, что приходит на ум, - это начальная загрузка (повторная выборка с заменой, определение медианы в каждой из двух групп и вычитание одной из другой, повторение 1000 раз и использование 95% -й ДИ с поправкой на смещение). Это правильный подход? Любые другие предложения?
wilcox.test()
(ниже Details
), это тесно связано с разницей в медиане, но не совсем то же самое.