Question

美好的一天。我正在寻找一些有关我拥有的数据集的帮助/建议，我想要运行Mann-Whitney U测试。 data.frame的虚拟集如下所示：

 Plant R1 R2 R3 R4 R5
     a  1  2  3  4  5
     a  6  7  8  9 10
     a 11 12 13 14 15
     b 16 17 18 19 20
     b 21 22 23 24 25
     b 26 27 28 29 30
     b 31 32 33 34 35
     c 36 37 38 39 40
     c 41 42 43 44 45
     c 46 47 48 49 50
     d 51 52 53 54 55
     d 56 57 58 59 60

我有26种不同的植物，我想测试所有植物种类（a，b，c等）之间的假设，每个波段的中值反射率之间没有显着差异（r1， r2，r3 ... r400。有400个波段列）。对于26种植物物种的所有可能组合，该假设将被测试325次。零假设应在显着性水平υ= 0.00015进行测试（以校正Bonferroni效应，0.05 / 325）。

我知道执行成对比较的wilcox.test命令。我尝试搜索Cran存储库并找到npmc包，但不再维护它。

我希望结果如下：

Comparison   R1   R2   R3   R4   R5
    ab      p-value
    ac
    ad

但我不知道从哪里开始。任何人都可以提供任何建议。提前谢谢。

库尔特

Answer 1

由于您正在进行多重比较，因此可以考虑多个对比度测试程序，例如Frank Konietschke, Ludwig A. Hothorn, and Edgar Brunner描述的T~。由于您有兴趣比较所有可能的对，您应该使用Tukey对比。讨论T~背后的统计机制可能不适合StackOverflow，最好在Cross Validated上完成。 T~程序已在nparcomp包中实现。由于T~遵守传递性，其结果可以表示为Vasilescu et al.

建议的简化图

Answer 2

我使用

进行了管理

 ttest<- pairwise.wilcox.test(ttest.data[,i],Species,conf.level = 0.95, p.adj = "bonf")
 library(reshape)
 ttest.result<- melt (ttest[[3]])

Answer 3

听起来你应该考虑应用Dunn的测试。简而言之，Dunn的测试是位置测试（使用多个测试校正）的事后逐组差异，如果您拒绝Kruskal-Wallis测试中的零假设（并确定至少有一个组绘制），则可以应用该测试从不同的分布）。

有关更详细的示例，请参阅有关Cross Validated的this答案。有一个R-package（dunn.test）提供dunn.test方法，该方法使用与wicox.test类似的接口

Answer 4

尝试将DepthProc库用于R

    library(DepthProc)
    x <- mvrnorm(100, c(0,0), diag(2))
    y <- mvrnorm(100, c(0,0), diag(2)*1.4)
    mWilcoxonTest(x,y)

它是基于数据深度概念3的Wilcoxon-Mann-Whitney检验2的多元模拟：
https://projecteuclid.org/download/pdf_1/euclid.aos/1176344722
https://projecteuclid.org/download/pdfview_1/euclid.ss/1113832733

多元Mann-Whitney U检验

4 个答案: