Kruskal-Wallis-Rangsummentest

Da wir in der letzten Übung festgestellt haben, dass die Annahme der Varianzhomogenität für lineare Modelle verletzt wurde, bietet sich eine Alternative an.

Eine nichtparametrische Alternative zur ANOVA ist der Kruskal-Wallis-Rangsummentest. Für alle mit Statistikkenntnissen: Er ist eine Erweiterung des Mann-Whitney-U-Tests für den Fall, dass es mehr als zwei Gruppen gibt – so wie bei unserer Variablen grade. Für uns lautet die Nullhypothese dieses Tests, dass alle int_rates nach grade gleich eingestuft sind (also die gleichen Ränge aufweisen).

Der Kruskal-Wallis-Rangsummentest kann mit der Funktion kruskal.test() in Base R durchgeführt werden. Praktisch: Die Verwendung ist der von lm() oder aov() sehr ähnlich – du übergibst eine Formel und einen Datensatz und erhältst ein Ergebnis zurück.

Diese Übung ist Teil des Kurses

<Kurs>Versuchsplanung in R</Kurs>

Kurs ansehen

Übungsanweisungen

Verwende kruskal.test(), um zu prüfen, ob sich int_rate je nach grade unterscheidet, wenn ein nichtparametrisches Modell eingesetzt wird.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Conduct the Kruskal-Wallis rank sum test
kruskal.test(___,
             data = ___)

Code bearbeiten und ausführen