Test Friedmana - Friedman test
Test Friedmana to nieparametryczny test statystyczny opracowany przez Miltona Friedmana . Podobnie jak parametryczna ANOVA z powtarzanymi pomiarami , służy do wykrywania różnic w leczeniu w wielu próbach testowych. Procedura obejmuje uszeregowanie każdego wiersza (lub bloku ) razem, a następnie rozważenie wartości rang według kolumn. Ma zastosowanie do kompletnych projektów blokowych , jest to zatem szczególny przypadek testu Durbina .
Klasyczne przykłady użycia to:
- n win ocenia każdy ocenia k różnych win. Czy któreś z win k plasuje się stale wyżej lub niżej niż pozostałe?
- n spawaczy każdy używa k palników spawalniczych, a uzyskane spoiny zostały ocenione pod względem jakości. Czy któryś z palników k wytwarza stale lepsze lub gorsze spoiny?
Test Friedmana służy do jednokierunkowej analizy powtarzanych pomiarów wariancji według rang. W zastosowaniu rang jest podobny do jednokierunkowej analizy wariancji według rang Kruskala-Wallisa .
Test Friedmana jest szeroko obsługiwany przez wiele pakietów oprogramowania statystycznego .
metoda
- Mając dane , czyli macierz z wierszami ( bloki ), kolumny ( zabiegi ) i pojedynczą obserwację na przecięciu każdego bloku i zabiegu, oblicz rangi w każdym bloku. Jeśli istnieją remisujące wartości, przypisz do każdej remisującej wartości średnią rang, które zostałyby przypisane bez remisów. Zastąp dane nową macierzą, w której wpis jest pozycją w obrębie bloku .
- Znajdź wartości
- Statystyka testu jest podana przez . Zauważ, że wartość Q nie musi być dostosowana do powiązanych wartości w danych.
- Wreszcie, gdy n lub k jest duże (tj. n > 15 lub k > 4), rozkład prawdopodobieństwa Q można aproksymować rozkładem chi-kwadrat . W tym przypadku wartość p jest podana przez . Jeśli n lub k jest małe, przybliżenie do chi-kwadrat staje się słabe i wartość p należy uzyskać z tabel Q specjalnie przygotowanych do testu Friedmana. Jeśli wartość p jest znacząca , zostaną przeprowadzone odpowiednie testy wielokrotnych porównań post hoc .
Powiązane testy
- Używając tego rodzaju projektu dla odpowiedzi binarnej, zamiast tego używa się testu Q Cochrana .
- Test znaków (z alternatywą dwustronną) jest równoważny testowi Friedmana na dwóch grupach.
- W Kendalla jest normalizacją statystyki Friedmana między 0 a 1.
- Test Wilcoxona dla par obserwacji jest nieparametryczny test danych nonindependent tylko z dwóch grup.
- Test Skillingsa-Macka jest ogólną statystyką typu Friedmana, którą można stosować w prawie każdym projekcie blokowym o dowolnej strukturze brakujących danych.
- Test Wittkowskiego jest ogólną statystyką typu Friedmana podobną do testu Skillingsa-Macka. Gdy dane nie zawierają braków danych, daje taki sam wynik jak test Friedmana. Ale jeśli dane zawierają brakujące wartości, jest to zarówno dokładniejsze, jak i bardziej czułe niż test Skillingsa-Macka. Implementacja testu istnieje w R .
Analiza post hoc
Testy post-hoc zaproponowali Schaich i Hamerle (1984) oraz Conover (1971, 1980) w celu ustalenia, które grupy różnią się istotnie od siebie, na podstawie średnich różnic rang grup. Procedury te są szczegółowo opisane w Bortz, Lienert i Boehnke (2000, s. 275). Eisinga, Heskes, Pelzer i Te Grotenhuis (2017) dostarczają dokładnego testu do porównywania parami sum rang Friedmana, zaimplementowanego w R . Eisinga CS dokładny test zapewnia znaczną poprawę w dostępnych testów przybliżone, szczególnie jeśli ilość grup ( ) jest duża i liczbę bloków ( ) jest mała.
Nie wszystkie pakiety statystyczne obsługują analizę post-hoc dla testu Friedmana, ale istnieje kod napisany przez użytkownika, który zapewnia takie udogodnienia (na przykład w SPSS i R .). W R dostępny jest również wyspecjalizowany pakiet zawierający liczne nieparametryczne metody analizy post-hoc wg Friedmana.
Bibliografia
Dalsza lektura
- Daniel, Wayne W. (1990). "Dwustronna analiza wariancji Friedmana według rang" . Stosowana statystyka nieparametryczna (wyd. 2). Boston: PWS-Kent. s. 262-74. Numer ISBN 978-0-534-91976-4.
- Kendall, MG (1970). Metody korelacji rang (wyd. 4). Londyn: Charles Griffin. Numer ISBN 978-0-85264-199-6.
- Hollander, M.; Wolfe, DA (1973). Statystyka nieparametryczna . Nowy Jork: J. Wiley. Numer ISBN 978-0-471-40635-8.
- Siegel, Sydney ; Kasztelan, N. John Jr. (1988). Statystyki nieparametryczne dla nauk behawioralnych (2nd ed.). Nowy Jork: McGraw-Hill. Numer ISBN 978-0-07-100326-1.