NIEPARAMETRYCZNE

ODPOWIEDNIKI
MODELU ANOVA
Co to jest, kiedy je stosujemy?
TESTY NIEPARAMETRYCZNE -
KIEDY JE STOSUJEMY?
TEST KRUSKALA-WALLISA
➤ Mechanizm obliczeniowy jak w teście U Manna-Whitneya, z
tą różnicą, że tym razem analizę przeprowadzamy dla więcej
niż dwóch grup niezależnych.

rangujemy pomiary z pominięciem zmiennej grupującej, następnie obliczamy

sumy rang dla każdej z grup

obliczamy statystykę testową:

wykonujemy porównanie wielokrotne (zbliżona procedura do testu post hoc)

TEST KRUSKALA-WALLISA
➤ Rozkład statystyki testowej testu Kruskala-Wallisa przynależy
do rodziny chi kwadrat.
➤ Ze względu na stosowaną procedurę rangowania wyników,
oceniane jest w jego ramach położenie wyników względem
mediany. Stąd też kiedy raportowane są jego wyniki, podobnie
jak przy innych testach nieparametrycznych poprawniej jest
posługiwać się medianą jako miarą tendencji centralnej (w
miejsce średniej).

Przykładowy opis wyników:

Test Kruskala-Wallisa wskazał na istotne statystycznie różnice między grupami w zakresie
otwartości na doświadczenia: H(2) = 7,08; p = 0,029. Analizując wyniki wszystkich trzech grup,
stwierdzono różnicę między grupą wielbicieli Zenka Martyniuka i grupą wielbicieli zespołu De Mono
(Z = 5,01; p < 0,001) - słuchacze Zenka Martyniuka mieli wyższy poziom otwartości (Me = 19,0)
niż wielbiciele De Mono (Me = 10,0).
ANOVA RANG FRIEDMANA
➤ Służy do porównania pomiarów zależnych w sytuacji, gdy
zmienna zależna była mierzona więcej niż dwukrotnie.

rangujemy pomiary dla każdej osoby (ilość rang = ilość pomiarów zmiennej),
dodajemy rangi dla każdego z pomiarów

obliczamy statystykę testową: F

wykonujemy porównanie wielokrotne (zbliżona procedura do testu post hoc)

wiele pakietów statystycznych jej nie obejmuje

ANOVA RANG FRIEDMANA
➤ Co zamiast „nieobecnego” w pakietach porównania wielokrotnego?

• Możesz nauczyć się robić analizy statystyczne w środowisku R i

poczuć trochę jak informatyk. Ale jest to dość trudne. Ale za to, jak
mawiają osoby zajmujące się statystyką: „w R jest wszystko”. I więcej.

• Można również zastosować test Wilcoxona i porównać wszystkie pary

pomiarów. By uniknąć kumulacji prawdopodobieństwa błędu I rodzaju
stosujemy poprawkę Bonferroniego:

gdzie alfa = 0,05, a m to ilość przeprowadzonych porównań.

Przykład: jeśli mamy 4 pomiary to musimy wykonać 6 niezależnych porównań

(1 z 2, 1 z 3, 1 z 4, 2 z 3, 2 z 4 i 3 z 4 ). Daje nam to: 0,05/6 = 0,008, czyli
skorygowaną alfę, do której odnosimy uzyskane w teście Wilcoxona poziomy p
Przykładowy opis wyników:

Test ANOVA rang Friedmana wskazał na zmianę w zakresie depresyjności pacjentów

w toku dogoterapii: Chi2(2)= 365,87; p < 0,001. Porównując poziom depresyjności
po tygodniu, miesiącu i roku dogoterapii zaobserwowano, że w porównaniu do stanu
po tygodniu, poziom depresyjności po roku spada: W = 7559,00; p = 0,004.