1 置换检验

置换方法和参数方法都计算了相同的t统计量。但置换方法并不是将统计量与理论分布进行比较，而是将其与置换观测数据后获得的经验分布进行比较，根据统计量值的极端性判断

是否有足够的理由拒绝零假设。

R目前有一些非常全面而复杂的软件包可以用来做置换检验。本节剩余部分将关注两个有用

的包：coin和lmPerm包。coin包对于独立性问题提供了一个非常全面的置换检验的框架，而lmPerm包则专门用来做方差分析和回归分析的置换检验。

2 用 coin 包做置换检验

对于独立性问题，coin包提供了一个进行置换检验的一般性框架。通过该包，你可以回答

如下问题：

q 响应值与组的分配独立吗？

q 两个数值变量独立吗？

q 两个类别型变量独立吗？

相对于传统检验，提供可选置换检验的coin函数

在coin函数中，y和x是数值变量，A和B是分类因子，C是类别型区组变量，D和E是有序因子，y1和y2是相匹配的数值变量。

上表中列出来的每个函数都是如下形式：

function_name( formula, data, distribution= )

formula描述的是要检验变量间的关系； q

data是一个数据框；

distribution指定经验分布在零假设条件下的形式，可能值有exact、asymptotic和approximate。若distribution="exact"，那么在零假设条件下，分布的计算是精确的（即依据所有可能的排列组合）。当然，也可以根据它的渐进分布（distribution="asymptotic"）或蒙特卡洛重抽样（distribution="approxiamate(B=#)"）来做近似计算，其中#指所需重复的次数。distribution="exact"当前仅可用于两样本问题。

2.1 独立两样本和 K 样本检验

（1）独立样本传统t检验

install.packages("coin")

library(coin)

score