Question

我想对数据帧执行非参数测试。我有三组A，B，C。我想现在A / B，B / C和A / C组之间的统计意义。我怎么能非参数化呢？在应用Kruskal-Wallis-Test时，我得到了组之间的整体推理。这可以作为以下事后测试的保护。但是如何编程非参数事后检验（使用Kruskal-Wallis或Mann-Whitney-U）？

x<-c(1,2,3,4,5,6,7,8,9,NA,9,8)
y<-c(2,3,NA,3,4,NA,2,3,NA,2,3,4)
group<-rep((factor(LETTERS[1:3])),4)
df<-data.frame(x,y,group)
df

Answer 1

好的，只是为了总结上述评论中的讨论，有几种（不太知名的）可能性与R项目进行多次非参数比较。我在上面的示例中包含了其中两个：

library(pgrimess)
library(nparcomp)

x<-c(1,2,3,4,5,6,7,8,9,NA,8,9)
y<-c(2,3,NA,3,4,NA,2,3,NA,2,3,4)
group<-rep((factor(LETTERS[1:3])),4)
df<-data.frame(x,y,group)


kruskal.test(df$x~df$group)
kruskalmc(df$x~df$group)

m<-nparcomp(x ~ group, data=df, asy.method = "probit", type = "Dunnett", control = "A", alternative = "two.sided", info = FALSE)
summary(m)

nparcomp显然更灵活，可以进行各种对比。我在这里选择Dunnett为例。

有一个建议的多重测试程序，根据几个帖子，在大型数据集中出现了一些准确性问题。 https://stat.ethz.ch/pipermail/r-help/2012-January/300100.html

NDWD <- oneway_test(price ~ clarity, data = diamonds,
        ytrafo = function(data) trafo(data, numeric_trafo = rank),
        xtrafo = function(data) trafo(data, factor_trafo = function(x)
            model.matrix(~x - 1) %*% t(contrMat(table(x), "Tukey"))),
        teststat = "max", distribution = approximate(B=1000))

    ### global p-value
    print(pvalue(NDWD))

    ### sites (I = II) != (III = IV) at alpha = 0.01 (page 244)
    print(pvalue(NDWD, method = "single-step"))

另一种可能性是 rms :: polr后面跟rms ::对比Frank Frank所说的对比 https://stat.ethz.ch/pipermail/r-help/2012-January/300329.html

最后，user1317221_G包含了一些非常有用的链接，包括一个包含了。的框图测试结果https://stats.stackexchange.com/a/20133以及有关箱形图高级图表的更详细说明，可在http://egret.psychol.cam.ac.uk/statistics/R/graphs2.html

进一步找到一个链接

希望能解决该领域的一些问题。

如何测试R中的非参数同时推断

1 个答案: