Jeśli model nie spełnia założeń ANOVA (w szczególności normalności), jeśli jest to jednokierunkowe, zaleca się nieparametryczny test Kruskala-Wallisa. Ale co, jeśli masz wiele czynników?
źródło
Jeśli model nie spełnia założeń ANOVA (w szczególności normalności), jeśli jest to jednokierunkowe, zaleca się nieparametryczny test Kruskala-Wallisa. Ale co, jeśli masz wiele czynników?
Możesz użyć testu permutacji.
Stwórz swoją hipotezę jako pełny i zredukowany test modelu, a korzystając z oryginalnych danych oblicz statystykę F dla pełnego i zredukowanego testu modelu (lub innej statystyki będącej przedmiotem zainteresowania).
Teraz obliczyć dopasowane wartości i reszty dla zredukowanego modelu, a następnie losowo permutować reszty i dodać je z powrotem do dopasowanych wartości, teraz wykonaj pełny i zredukowany test na permutowanym zbiorze danych i zapisz statystykę F (lub inną). Powtarzaj to wiele razy (jak 1999).
Wartość p jest wówczas proporcją statystyki, która jest większa lub równa oryginalnej statystyki.
Można to wykorzystać do testowania interakcji lub grup terminów, w tym interakcji.
Test Kruskala-Wallisa jest szczególnym przypadkiem modelu proporcjonalnych kursów. Możesz użyć modelu proporcjonalnych kursów, aby modelować wiele czynników, dopasować zmienne towarzyszące itp.
źródło
Test Friedmana zapewnia nieparametryczny odpowiednik jednokierunkowej ANOVA z czynnikiem blokującym, ale nie może zrobić nic bardziej złożonego niż to.
źródło