Question

我试图在Kruskal-Wallis上阅读我能做的事情，虽然我找到了一些有用的信息，但我似乎仍然找不到我的问题的答案。我正在尝试使用Kruskal-Wallis检验来确定多个因素在预测一组因变量时多个群体的重要性。

以下是我的数据示例：

ID   Date     Point   Season  Grazing   Cattle_Type  AvgVOR  PNatGr  NatGrHt  
181 7/21/2015 B22    late     pre       Large         0.8     2        20
182 7/21/2016 B32    early    post      Small         1.0     4        24

在这个例子中，我的因变量是＆＃34; AcgVor＆＃34;，＆＃34; PNatGR＆＃34;和＆＃34; NatGrHt＆＃34;而自变量（因子）是＆＃34;季节＆＃39; Grazing＆＃34;和＆＃34; Cattle_Type＆＃34;。如您所见，我的每个因素各有2个组级别。

我想要完成的是运行一个非参数测试，该测试查看我的因子组与每个因变量的单独和组合重要性。我选择了Krukal-Wallis，它似乎可以同时测试我的一个分组因素。

以下是AvgVor~Grazing

的结果

 kruskal.test(AvgVOR ~ Grazing, data = Veg)
 Kruskal-Wallis rank sum test
data:  AvgVOR by Grazing
Kruskal-Wallis chi-squared = 94.078, df = 1, p-value < 2.2e-16

这告诉我，根据它们是在放牧前还是放牧后记录，AvGVor有显着差异。

有没有办法使用包含所有分组因子的Kruskal-Wallis构建类似的模型？即使我必须为每个因变量运行一个单独的。

我尝试了以下代码，但它存在缺陷。

lapply(Veg[,c("Grazing", "Cattle_Type", "Season")]),function(AvgVOR) kruskal.test(AvgVOR ~ Veg)

可以使用Kruskal-Wallis检验来检验多个因素中多个群体的显着性吗？

0 个答案: