Interesuje mnie porównanie wielkości zmienności w 8 różnych próbach (każda z innej populacji). Wiem, że można tego dokonać kilkoma metodami z danymi współczynnika: test F równości wariancji, test Levene'a itp.
Jednak moje dane są cykliczne / kierunkowe (tj. Dane, które wykazują okresowość, takie jak kierunek wiatru i ogólnie dane kątowe lub pora dnia). Przeprowadziłem badania i znalazłem jeden test w pakiecie „CircStats” w R - „Test jednorodności Watsona”. Jedną wadą jest to, że ten test porównuje tylko dwie próbki, co oznacza, że musiałbym wykonać wiele porównań na moich 8 próbkach (a następnie użyć korekty Bonferonniego).
Oto moje pytania:
1) Czy jest lepszy test, którego mogę użyć?
2) Jeśli nie, jakie są założenia testu Watsona? Czy jest parametryczny / nieparametryczny?
3) Jaki jest algorytm, za pomocą którego mogę wykonać ten test? Moje dane są w Matlabie i wolałbym nie przesyłać ich do R, aby uruchomić mój test. Wolę po prostu napisać własną funkcję.
źródło
Odpowiedzi:
1) Test Watsona-Williamsa jest tutaj odpowiedni.
2) Jest parametryczny i przyjmuje rozkład Von-Misesa. Drugie założenie jest takie, że każda grupa ma wspólny parametr stężenia. Nie przypominam sobie, jak odporny jest test na naruszenie tego założenia.
3) Korzystam z implementacji testu Watsona w przyborniku statystyk cyklicznych, napisanym dla Matlaba i dostępnym na giełdzie plików (link poniżej). Nie próbowałem, ale wierzę, że test Watsona (circ_wwtest.m) jest skonfigurowany dla wielu grup.
https://www.mathworks.com/matlabcentral/fileexchange/10676-circular-statistics-toolbox--directional-statistics-
źródło
Jeśli chodzi o twoje trzecie pytanie, napisałem funkcję w MATLABie dla algorytmu opartego na Watson (1962) do obliczenia statystyki testu i wartości p:
https://github.com/aatobaa/hatlab/blob/master/watson1962.m
źródło