Kruskal-Wallis rangsomtoets

Omdat we in de vorige oefening zagen dat de aanname van gelijke varianties voor lineaire modellen werd geschonden, is het slim om een alternatief te proberen.

Een niet-parametrisch alternatief voor ANOVA is de Kruskal-Wallis rangsomtoets. Voor wie wat statistische voorkennis heeft: dit is een uitbreiding van de Mann-Whitney U-toets voor het geval er meer dan twee groepen zijn, zoals bij onze variabele grade. Voor ons is de nulhypothese bij deze toets dat alle int_rate-waarden dezelfde rangorde hebben binnen grade.

De Kruskal-Wallis rangsomtoets kun je uitvoeren met de functie kruskal.test(), beschikbaar in base R. Gelukkig lijkt het gebruik sterk op lm() of aov(): je geeft een formule en een gegevensset op, en je krijgt een resultaat terug.

Deze oefening maakt deel uit van de cursus

Experimenteel ontwerp in R

Cursus bekijken

Oefeninstructies

Gebruik kruskal.test() om te onderzoeken of int_rate verschilt per grade wanneer je een niet-parametrisch model gebruikt.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

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

Code bewerken en uitvoeren