Kruskal-Wallis单因子方差分析

Source: http://www.r-bloggers.com/kruskal-wallis-one-way-analysis-of-variance/

 

如果你在进行多个群组之间比较时,因为群组不满足正态分布而不能使用ANOVA多比较,那么你可以使用Kruskal-Wallis检验。该检验类似于前面两个样本的Wilcox检验。

假设你想看看以下4个数值集合的均值是否统计相似:

Group A: 1, 5, 8, 17, 16
Group B: 2, 16, 5, 7, 4
Group C: 1, 1, 3, 7, 9
Group D: 2, 15, 2, 9, 7

为使用Kruskal-Wallis的检验,只要简单地输入数据,然后将它们再组织成一个list:

a = c(1, 5, 8, 17, 16)
b = c(2, 16, 5, 7, 4)
c = c(1, 1, 3, 7, 9)
d = c(2, 15, 2, 9, 7)

dati = list(g1=a, g2=b, g3=c, g4=d)


现在我们直接使用kruskal.test()函数:

kruskal.test(dati)

        Kruskal-Wallis rank sum test

data:  dati 
Kruskal-Wallis chi-squared = 1.9217, df = 3, p-value = 0.5888


p-value大于0.05;并且检验统计的值1.9217也比chi-square的查表值低:

qchisq(0.950, 3)
[1] 7.814728


因此结论就是我们接受null hypothesis H0,即4个群组的均值统计相等。

 

你可能感兴趣的:(Kruskal-Wallis单因子方差分析)