Kada rinktis Kruskal-Wallis testą?

Kruskal-Wallis testas yra neparametrinis testas palyginti 3 arba daugiau grupių. Sužinokite, kada ir kaip jį taikyti.

Kada taikyti Kruskal-Wallis testą?

Kruskal-Wallis testas yra neparametrinis testas palyginti 3 arba daugiau grupių. Įprastai jis taikomas tada, kai ANOVA likutinės reikšmės yra nepasiskirsčiusios pagal normalųjį skirstinį. Kruskal-Wallis principas labai panašus (variacijos palyginimas), tik prieš testo atlikimą priklausomo kintamojo reikšmės yra transformuojamos į rangines vertes. Atitinkamai, testo rezultatai bus taip pat panašūs.

Kada rinktis Kruskal-Wallis?

• Kai ANOVA prielaidos nėra patenkinamos
• Kai duomenys yra ranginiai
• Kai imtys yra mažos ir sunku patikrinti normalumą

Kaip atlikti Kruskal-Wallis testą?

library(ggplot2)

# Naudojame iris duomenis
kruskal.test(Sepal.Length ~ Species, data = iris)

    Kruskal-Wallis rank sum test

data:  Sepal.Length by Species
Kruskal-Wallis chi-squared = 96.937, df = 2, p-value < 2.2e-16

Kaip raportuoti Kruskal-Wallis testą?

Štai šablonas, kurį galite naudoti:

“Atlikus Kruskal-Wallis testą, nustatyta, kad taurėlapių ilgis statistiškai reikšmingai skyrėsi tarp rūšių (H = 96.94, df = 2, p < 0.001).”

Post-hoc testai

Jei Kruskal-Wallis testas yra statistiškai reikšmingas, reikia atlikti post-hoc testą. Galima naudoti pairwise Wilcoxon testą:

pairwise.wilcox.test(iris$Sepal.Length, iris$Species, p.adjust.method = "BH")

    Pairwise comparisons using Wilcoxon rank sum test with continuity correction 

data:  iris$Sepal.Length and iris$Species 

           setosa  versicolor
versicolor 1.3e-13 -         
virginica  < 2e-16 5.9e-07   

P value adjustment method: BH 

Kaip vizualizuoti Kruskal-Wallis testą?

ggplot(iris, aes(x = Species, y = Sepal.Length, fill = Species)) +
  geom_boxplot() +
  labs(
    title = "Taurėlapių ilgio palyginimas tarp rūšių",
    x = "Rūšis",
    y = "Taurėlapio ilgis (cm)"
  ) +
  theme_minimal() +
  theme(legend.position = "none")