Czy można stosować test Manna-Whitneya do porównań post-hoc po Kruskal-Wallis?

Mam symulację, w której zwierzę umieszcza się we wrogim środowisku i mierzy czas, aby zobaczyć, jak długo może przetrwać, stosując pewne podejście do przetrwania. Istnieją trzy podejścia do przetrwania. Przeprowadziłem 300 symulacji zwierzęcia, stosując każde podejście do przetrwania. Wszystkie symulacje odbywają się w tym samym środowisku, ale istnieje pewna przypadkowość, więc za każdym razem jest inna. Liczę, ile sekund zwierzę przeżyje w każdej symulacji. Życie dłużej jest lepsze. Moje dane wyglądają tak:

Approach 1, Approach 2, Approach 2
45,79,38
48,32,24
85,108,44
... 300 rows of these

Nie jestem pewien wszystkiego, co robię po tym punkcie, więc daj mi znać, jeśli robię coś głupiego i złego. Próbuję dowiedzieć się, czy istnieje statystyczna różnica w długości życia, używając określonego podejścia.

Przeprowadziłem test Shapiro na każdej z próbek, a one wróciły z małymi wartościami p, więc uważam, że dane nie są znormalizowane.

Dane w wierszach nie są ze sobą powiązane. Losowe ziarno użyte do każdej symulacji było inne. W rezultacie uważam, że dane nie są sparowane.

Ponieważ dane nie są znormalizowane, niesparowane i były więcej niż dwie próbki, przeprowadziłem test Kruskala Wallisa, który powrócił z wartością p 0,048. Następnie przeszedłem do post hoc, wybierając Manna Whitneya. Naprawdę nie jestem pewien, czy należy tu użyć Manna Whitneya.

Porównałem każdą metodę przeżycia ze sobą, wykonując test Manna Whitneya, tj. {(Podejście 1, podejście 2), (podejście 1, podejście 3), (podejście 2, podejście 3)}. Nie stwierdzono istotności statystycznej między parą (podejście 2, podejście 3) za pomocą testu dwustronnego, ale stwierdzono różnicę istotności za pomocą testu jednostronnego.

Problemy:

1. Nie wiem, czy używanie Manna Whitneya w taki sposób ma sens.
2. Nie wiem, czy powinienem używać Manna Whitneya z jednym czy dwoma ogonami.

Nie, nie powinieneś używać Manna-Whitneya $U$ test w tych okolicznościach.

Oto dlaczego: test Dunna jest odpowiednim testem post hoc ^* po odrzuceniu testu Kruskala-Wallisa. Jeśli przejdziemy do przejścia od odrzucenia Kruskala-Wallisa do wykonania zwykłych testów sumarycznych par rang (tj. Wilcoxona lub Manna-Whitneya), wówczas otrzymujemy dwa problemy: (1) rangi używane do par sumarycznych testów rang są nie szeregi użyte w teście Kruskala-Wallisa; oraz (2) testy sumy rang nie wykorzystują łącznej wariancji wynikającej z hipotezy zerowej Kruskala-Wallisa. Test Dunna nie ma tych problemów

Testy post hoc po odrzuceniu testu Kruskala-Wallisa, które zostały dostosowane do wielokrotnych porównań, mogą nie odrzucić wszystkich testów parowych dla danego rodzinnego wskaźnika błędów lub dać fałszywy wskaźnik wykrycia odpowiadający danemu$\alpha$dla testu omnibus, podobnie jak w przypadku każdego innego scenariusza testowania omnibus / post hoc z wielokrotnym porównywaniem .

O ile nie masz powodu, aby sądzić, że czas przeżycia jednej grupy jest dłuższy lub krótszy niż a priori innej grupy , powinieneś stosować testy dwustronne.

Test Dunna można wykonać w Stacie za pomocą dunntest (typ net describe dunntest, from(https://www.alexisdinno.com/stata)), aw R za pomocą pakietu dunn.test .

Zastanawiam się także, czy możesz zastosować metodę analizy przeżycia, aby ocenić, czy i kiedy zwierzę umiera na podstawie różnych warunków?

^* Kilka mniej znane post hoc parami testy do naśladowania odrzucone Kruskala-Wallisa, m.in. Conover-Iman (jak Dunn, ale opiera się na t dystrybucji, aniżeli oo dystrybucji, realizowanego dla Stata w conovertest pakietu oraz R w pakiecie conover.test ) oraz testy Dwass-Steel-Citchlow-Fligner.

Ujednolicającym uogólnieniem Kruskala-Wallisa / Wilcoxona jest model proporcjonalnych szans, który dopuszcza ogólne kontrasty z punktowymi lub jednoczesnymi przedziałami ufności dla ilorazów szans. Jest to zaimplementowane w moim rmspakiecie R ormi contrast.rmsfunkcjach.

Możesz także użyć różnicy krytycznej po Conover lub różnicy krytycznej po Schaich i Hamerle. Ten pierwszy jest bardziej liberalny, podczas gdy drugi jest dokładny, ale brakuje mu trochę mocy. Obie metody są zilustrowane na mojej stronie brightstat.com, a aplikacja internetowa brightstat pozwala również obliczyć te krytyczne różnice i od razu wykonać testy post-hoc. Kruskal-Wallis na brightstat.com

Jeśli używasz SPSS, wykonaj post-hoc Manna-Whitneya z poprawką Bonferroniego (wartość p podzielona przez liczbę grup).