Có tương đương với thử nghiệm một chiều của Kruskal Wallis cho mô hình hai chiều không?


19

Nếu mô hình không thỏa mãn các giả định ANOVA (đặc biệt là tính quy tắc), nếu một chiều, thử nghiệm không tham số Kruskal - Wallis được khuyến nghị. Nhưng, nếu bạn có nhiều yếu tố thì sao?

Câu trả lời:


15

Bạn có thể sử dụng một bài kiểm tra hoán vị.

Hình thành giả thuyết của bạn dưới dạng thử nghiệm mô hình đầy đủ và rút gọn và sử dụng dữ liệu gốc tính toán thống kê F cho thử nghiệm mô hình đầy đủ và giảm (hoặc một chỉ số quan tâm khác).

Bây giờ hãy tính các giá trị và phần dư được trang bị cho mô hình rút gọn, sau đó hoán vị ngẫu nhiên các phần dư và thêm chúng trở lại các giá trị được trang bị, bây giờ thực hiện kiểm tra đầy đủ và giảm trên tập dữ liệu được phép và lưu thống kê F (hoặc khác). Lặp lại nhiều lần (như 1999).

Giá trị p sau đó là tỷ lệ của các số liệu thống kê lớn hơn hoặc bằng với thống kê ban đầu.

Điều này có thể được sử dụng để kiểm tra các tương tác hoặc nhóm thuật ngữ bao gồm các tương tác.


5
Để thảo luận về các chiến lược hoán vị khác nhau trong các thiết kế ANOVA, hãy xem, ví dụ avesbiodiv.mncn.csic.es/estadistica/permut1.pdf (pdf)
caracal

3
Điều này hoạt động, nhưng điều gì xảy ra với sức mạnh của bài kiểm tra? Ví dụ, ngay cả khi chỉ có một (giá trị) xa và phần còn lại được phân phối bình thường, có vẻ như việc sử dụng thống kê F có thể có ít sức mạnh trong thử nghiệm hoán vị để phát hiện bất cứ điều gì. Bài viết được tham khảo bởi @caracal thảo luận về sự tinh tế và đánh giá khi phương pháp thống kê F hoạt động và khi nào nó có thể thất bại.
whuber

"Giá trị p sau đó là tỷ lệ của các số liệu thống kê lớn hơn hoặc bằng với thống kê ban đầu" -> với thống kê ban đầu được tính trên mô hình đầy đủ . chính xác?
Yannick Wurm

1
@toto_tico, sử dụng xếp hạng là một tùy chọn cho các thử nghiệm không tham số, nhưng không phải là duy nhất (thử nghiệm hoán vị là một thử nghiệm khác không dựa vào xếp hạng). Kết hợp các yếu tố thành một yếu tố duy nhất hoạt động nếu bạn muốn kiểm tra tất cả hoặc không có gì, nhưng không hoạt động để kiểm tra nếu tương tác có ý nghĩa vượt quá tác động của các hiệu ứng chính hoặc kiểm tra một yếu tố được đưa ra cho yếu tố khác trong mô hình.
Greg Snow

1
@toto_tico, chỉ cần mã trực tiếp. Xem ví dụ tôi đã thêm dựa trên nhận xét khác của bạn ( stats.stackexchange.com/questions/41199/ mẹo ).
Greg Snow

13

Thử nghiệm Kruskal-Wallis là trường hợp đặc biệt của mô hình tỷ lệ cược tỷ lệ thuận. Bạn có thể sử dụng mô hình tỷ lệ cược tỷ lệ để mô hình nhiều yếu tố, điều chỉnh cho hiệp phương sai, v.v.


3
Nếu một người muốn tìm hiểu thêm về mối liên hệ giữa KW và mô hình tỷ lệ cược tỷ lệ, điều gì sẽ là một tài liệu tham khảo tốt?
whuber

5
@ARTICLE {pet89ord, tác giả = {Peterson, Bercedis}, year = 1989, title = {Re: {Ordinal} mô hình hồi quy cho dữ liệu dịch tễ học}, tạp chí = Am J Epi, volume = 129, page = {745-748}, annote = {mô hình tỷ lệ cược tỷ lệ; tỷ lệ cược tỷ lệ từng phần}} @ARTICLE {mcc80reg, tác giả = {{McCullagh}, Peter}, year = 1980, title = {Mô hình hồi quy cho dữ liệu thứ tự}, tạp chí = JRSSB, volume = 42, page = {109-142}, annote = {mô hình logistic thông thường}} Xem thêm Whitehead Stat trong Med 1993 p. 2257
Frank Harrell

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.