Wiele porównań w teście nieparametrycznym

11

Pracuję z zestawem danych, który jest nieparametryczny i zawiera 12 zabiegów. Przeprowadziłem test Kruskala-Wallisa i uzyskałem znaczącą wartość , a teraz chciałbym przeprowadzić procedurę wielokrotnych porównań, aby zobaczyć, które z zabiegów znacznie się różnią. Jest wiele informacji na ten temat, ale nie znalazłem niczego, co konkretnie rozwiązałoby ten problem. Jakieś pomysły?? p

jesse
źródło

Odpowiedzi:

10

Szukasz testu Dunna (lub, powiedzmy, testu Conover-Iman). Jest to bardzo podobne do zestawu par sumarycznych testów rang , ale wersje Dunna (1) uwzględniają łączną wariancję wynikającą z hipotezy zerowej i (2) zachowuje ranking stosowany do przeprowadzenia testu Kruskala-Wallisa. Przeprowadzanie testów sumowania rang Wilcoxon / Mann-Whitney w ogrodach ignoruje te problemy. Oczywiście można wykonać korektę poziomu błędu rodzinnego lub współczynnika fałszywego wykrycia dla wielu porównań z testem Dunna.

Test Dunna jest zaimplementowany dla Stata w pakiecie dunntest (od typu Stata net describe dunntest, from(https://alexisdinno.com/stata)podczas połączenia z Internetem), a dla R w pakiecie dunn.test ; oba pakiety zawierają wiele opcji dopasowania wielu porównań. Można również wykonać test Dunna w SAS przy użyciu makra Elliotta i Hynana, KW_MC .

Jak pisałem w pokrewnej CV pytanie : istnieje kilka mniej znanych post hoc parami testy do naśladowania odrzucone Kruskala-Wallisa, w tym Conover-Iman (jak Dunn, ale opiera się na t dystrybucji, zamiast oo dystrybucji, ściśle potężniejszy niż test Dunna, a także zaimplementowany dla Staty w pakiecie conovertest i dla R w pakiecie conover.test ) oraz testów Dwass-Steel-Citchlow-Fligner.


Odniesienia
Dunn, Dz.U. (1964). Wiele porównań z wykorzystaniem sum rang. Technometrics , 6 (3): 241–252.

Alexis
źródło
czy możesz wyjaśnić, dlaczego nie zastosować miękkich metod, takich jak „fdr”?
user4581,
@ user4581 Nie jestem pewien, czy rozumiem twoje pytanie. Po pierwsze, co rozumiesz przez „miękki”? Po drugie, co rozumiesz przez „dlaczego nie”, z pewnością można użyć metod fałszywego wskaźnika wykrywalności, aby dostosować się do wielu porównań z testem Dunna lub testem Conover-Iman.
Alexis,