Esiste un'alternativa al test di Kolmogorov-Smirnov per i dati collegati con correzione?

Ho un sacco di dati da due campioni (controllo e trattati), ciascuno contenente diverse migliaia di valori che devono essere sottoposti a test di significatività in R. Teoricamente, i valori dovrebbero essere continui, ma a causa degli arrotondamenti effettuati dal software di misurazione non sono " e hanno dei legami. Le distribuzioni sono sconosciute e le forme di controllo e le distribuzioni trattate potrebbero essere diverse, quindi mi piacerebbe usare un test non parametrico per confrontare se la differenza tra i campioni è significativa per 10 diversi fattori.

Ho pensato di usare il test Kolmogorov-Smirnov, ma non è davvero adatto per i legami. Di recente mi sono imbattuto in una nuova libreria R chiamata Matching che esegue una versione bootstrap del test KS e tollera i legami. Ora è davvero una buona idea o dovrei usare un altro test invece? E devo regolare il valore p?

Invece di usare il test KS potresti semplicemente usare una procedura di permutazione o ricampionamento come implementato nella oneway_testfunzione del coinpacchetto. Dai un'occhiata alla risposta accettata a questa domanda .

Aggiornamento : il mio pacchetto afexcontiene la funzione che compare.2.vectorsimplementa una permutazione e altri test per due vettori. Puoi ottenerlo da CRAN:

install.packages("afex")

Per due vettori xe y(attualmente) restituisce qualcosa del tipo:

> 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

Qualsiasi commento su questa funzione è molto apprezzato.