Kruskal-Wallis rangordningstest

I den föregående övningen visade det sig att antagandet om homogenitet i varians för linjär modellering var brutet. Därför kan det vara värt att prova ett alternativ.

Ett icke-parametriskt alternativ till ANOVA är Kruskal-Wallis rangordningstest. För den som har viss statistikkunskap: det är en utvidgning av Mann-Whitney U-testet för situationer med fler än två grupper, som vår variabel grade. Nollhypotesen för det här testet är att alla int_rate-värden har samma rangordning oavsett grade.

Kruskal-Wallis rangordningstest genomförs med funktionen kruskal.test(), som finns i bas-R. Användningen liknar lm() och aov(): du anger en formel och en datamängd och får ett resultat tillbaka.

Den här övningen är en del av kursen

Experimentell design i R

Visa kurs

Övningsinstruktioner

Använd kruskal.test() för att undersöka om int_rate varierar med grade när en icke-parametrisk modell används.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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

Redigera och kör kod