对于双向模型,是否有等效于Kruskal Wallis的单向测试?


19

如果模型不满足ANOVA假设(特别是正态性),则建议采用单向Kruskal-Wallis非参数检验。但是,如果您有多个因素怎么办?

Answers:


15

您可以使用置换测试。

将您的假设形成为完全和简化模型测试,并使用原始数据计算完全和简化模型测试的F统计量(或其他感兴趣的统计量)。

现在,为简化模型计算拟合值和残差,然后随机置换残差并将其添加回拟合值,现在对置换后的数据集进行完全和简化检验,并保存F统计量(或其他统计值)。重复多次(如1999年)。

然后,p值是大于或等于原始统计量的统计量的比例。

这可以用于测试交互或包括交互在内的术语组。


5
对于在因子方差分析,设计不同的排列策略的讨论,参见例如avesbiodiv.mncn.csic.es/estadistica/permut1.pdf(PDF)

3
这行得通,但是测试的力量会怎样?例如,即使只有一个(远)外围值并且其余残差是正态分布的,在置换测试中使用F统计量似乎也几乎没有能力检测任何东西。@caracal引用的论文讨论了这些细微之处,并评估了F统计方法何时起作用以及何时可能失败。
ub

“然后,p值就是大于或等于原始统计量的统计量的比例”->相对于在完整模型上计算的原始统计量。正确?
Yannick Wurm

1
@toto_tico,使用等级是非参数测试的一种选择,但不是唯一的一种(置换测试是另一种不依赖等级的测试)。如果您想测试全有或全无,则将因子组合为一个因子是可行的,但如果相互作用是否超出主要效应的影响是显着的,或者如果模型中考虑了另一个因子,则无法测试相互作用。
格雷格·斯诺

1
@toto_tico,直接将其编码。请参阅我根据您的其他评论添加的示例(stats.stackexchange.com/questions/41199/…)。
格雷格·斯诺

13

Kruskal-Wallis检验是比例赔率模型的特例。您可以使用比例赔率模型为多个因素建模,调整协变量等。


3
如果要进一步了解KW和比例赔率模型之间的联系,什么是很好的参考?
ub

5
@ARTICLE {pet89ord,作者= {Peterson,Bercedis},年份= 1989,标题= {回复:{Ordinal}流行病学数据回归模型},期刊= Am J Epi,体积= 129,页= {745-748}, annote = {比例赔率模型;局部比例赔率}} @ARTICLE {mcc80reg,作者= {{McCullagh},彼得},年份= 1980,标题= {序数数据的回归模型},日志= JRSSB,卷= 42,页= {109-142}, annote = {ordinal logistic model}}另请参阅Med 1993中的Whitehead Stat。2257
Frank Harrell

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.