Coleção modelos
Kruskal-Wallis
Kruskal-Wallis: dois ou mais grupos vêm da mesma distribuição? (não paramétrico)
O que o bloco faz
models/kruskal Compara dois ou mais grupos pelo teste de Kruskal–Wallis. A saída é data/test.
Antes de continuar
Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.
- Hipótese nula
- A afirmação que o teste põe à prova, em geral a de que não há efeito ou diferença (médias iguais, ausência de tendência). O teste mede o quanto os dados são incompatíveis com ela; não rejeitá-la não prova que ela é verdadeira.
- p-valor
- A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.
- Teste não paramétrico
- Um teste que não supõe uma distribuição específica (como a normal) para os dados; muitos trabalham com a ordem (os postos) das observações. É útil quando os pressupostos de um teste paramétrico falham, em geral com algum custo de poder quando eles valem.
- Delineamento
- O plano que diz como os tratamentos são distribuídos nas unidades experimentais: inteiramente casualizado, em blocos, quadrado latino, parcelas subdivididas. Ele determina o modelo e a análise de variância adequados.
- Independência
- Pressuposto de que o erro de uma observação não informa sobre o de outra. Falha com medidas repetidas no mesmo indivíduo, unidades vizinhas ou dados no tempo, e a sua violação pode distorcer bastante os p-valores e os intervalos.
Quando usar
Use para comparar distribuições em vários grupos independentes usando postos.
Pressupostos
As observações, dentro e entre os grupos, são independentes entre si.
Se falhar: Não há teste no trama para isso: é o delineamento (sorteio, uma medida por unidade) que garante. Medidas repetidas na mesma unidade pedem
models/paired_toumodels/lmer.A resposta é contínua ou ordinal; empates são corrigidos na estatística.
Configuração
Informe resposta numérica e grupo.
Exemplo
library(trama)
reg <- tr_registry()
tr_use("trama.models", registry = reg)
tr_flow(reg) |>
tr_add("dados", "models/example", dataset = "InsectSprays") |>
tr_add("resultado", "models/kruskal", resposta = "count", grupo = "spray", from = "dados")InsectSprays tem seis grupos de inseticida e contagens de insetos.
Como interpretar
A hipótese nula é mesma distribuição. Interpretação como diferença de medianas requer formas semelhantes.
Implementação
trama::tr_models_kruskal()versão 0.5.11Efeito: épsilon² dos postos, H / (n - 1); conferido com effectsize::rank_epsilon_squared (1.0.3).stats::kruskal.test()versão 4.6.0H com correção para empates, p-valor pela aproximação qui-quadrado.
No código O bloco chama trama.models::tr_models_kruskal(), em trama.models/R/testes.R:180.
A conta é feita nesta chamada:
stats::kruskal.test(td$d[[resp]], g)
Outras funções de pacotes que o bloco usa (1)
stats::complete.cases(d)
Referências
Teoria
- Kruskal, W. H.; Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583-621. doi:10.1080/01621459.1952.10483441
Livro-texto
- Siegel, S.; Castellan, N. J. (2006). Estatística não-paramétrica para ciências do comportamento. 2. ed. Porto Alegre: Artmed.
Complementar
- Tomczak, M.; Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences, 21(1).