Wilcoxon秩和检验的statistic和alternative

1. statistic：
   • 这一列表示Wilcoxon秩和检验的统计量值。对于Wilcoxon秩和检验，统计量通常是基于两组数据秩次的和差异计算得出的。具体来说，它可能是W统计量（也称为Wilcoxon秩和统计量），该统计量反映了两组数据中观测值秩次之和的差异。统计量的具体值可以用来计算p值，进而判断两组数据是否有显著差异。
2. alternative：
   • 这一列描述了执行Wilcoxon秩和检验时采用的备择假设（alternative hypothesis）。备择假设定义了两组数据之间差异的预期方向。具体地，它可以是以下之一：
     • two.sided：表示两边检验，即测试两组数据是否不同，不预设任何一组的数值普遍高于或低于另一组。
     • greater：表示单边检验，具体来说，是测试第一组的数值是否普遍大于第二组。
     • less：同样是单边检验，但是测试第一组的数值是否普遍小于第二组。
   在大多数情况下，broom::tidy()函数默认提取的是two.sided的备择假设结果，除非在执行wilcox.test时特别指定了alternative参数。

总结：statistic列提供了判断组间差异显著性的统计依据，而alternative列说明了这种差异的预期方向或性质。在解读Wilcoxon秩和检验结果时，这两个指标都非常重要，statistic用于了解差异的统计显著性，alternative则帮助理解这种差异的预期方向。

在Wilcoxon秩和检验中，统计量（通常指的是W统计量）的绝对大小本身并不直接决定差异的显著性。显著性是通过统计量对应的p值来判断的，p值计算考虑了样本大小和统计量的分布。也就是说，即使统计量较大，但如果对应的p值大于显著性水平（如0.05），我们仍然不能认为两组之间有显著差异。

Wilcoxon秩和检验的统计量W基于秩次，它表示一个组的秩和与在完全随机情况下期望的秩和之间的差异。在一定程度上，W统计量的大小可以反映组间差异的程度，但它的具体数值受到样本大小的影响，因此不能单独用W的大小直接判断差异的显著性。

总的来说：

• 统计量的大小并不能直接告诉我们差异是否显著。显著性是通过p值来判断的，p值反映了观测到的统计量（或更极端的值）在零假设成立时出现的概率。
• p值才是用来判断统计显著性的关键指标。如果p值小于事先设定的显著性水平（例如0.05），则认为两组之间有统计学上的显著差异。

因此，当评估Wilcoxon秩和检验的结果时，应重点关注p值而不是仅仅看统计量的大小。