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_t ou models/lmer.

  • A resposta é contínua ou ordinal; empates são corrigidos na estatística.

  • Para ler a rejeição como diferença de locação (medianas), as distribuições dos grupos têm a mesma forma.

    Verificar:BoxplotDensidade

Configuração

Informe resposta numérica e grupo.

Exemplo

Exemplo de modelos
Kruskal-Wallis
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:

Outras funções de pacotes que o bloco usa (1)

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).

Ver a bibliografia completa do trama