Test rang Kruskala-Wallisa
W poprzednim ćwiczeniu stwierdziliśmy, że założenie o jednorodności wariancji wymagane przez modelowanie liniowe zostało naruszone. Warto zatem rozważyć alternatywę.
Jedną z nieparametrycznych alternatyw dla ANOVA jest test rang Kruskala-Wallisa. Dla osób zaznajomionych ze statystyką: to rozszerzenie testu Manna-Whitneya U na przypadki z więcej niż dwiema grupami – tak jak w przypadku naszej zmiennej grade. Hipoteza zerowa tego testu zakłada, że wartości int_rate mają takie samo uszeregowanie we wszystkich grupach według zmiennej grade.
Test rang Kruskala-Wallisa można przeprowadzić za pomocą funkcji kruskal.test() dostępnej w bazowym R. Na szczęście jej użycie jest bardzo podobne do lm() czy aov(): podajesz formułę i zbiór danych, a funkcja zwraca wynik.
To ćwiczenie jest częścią kursu
Projektowanie eksperymentów w R
Instrukcje do ćwiczenia
- Użyj funkcji
kruskal.test(), aby sprawdzić, czyint_rateróżni się w zależności odgradeprzy zastosowaniu modelu nieparametrycznego.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Conduct the Kruskal-Wallis rank sum test
kruskal.test(___,
data = ___)