Kruskal-Wallis测试与成对比较的详细信息

Question

标准stats :: kruskal.test模块允许计算数据集上的kruskal-wallis测试:

>>> data(diamonds)
>>> kruskal.test(price~carat, data=diamonds)

Kruskal-Wallis rank sum test

data:  price by carat by color 
Kruskal-Wallis chi-squared = 50570.15, df = 272, p-value < 2.2e-16

这是正确的,它给了我一个概率,即数据中的所有组具有相同的均值.

但是,我希望得到每对比较的详细信息,比如D和E颜色的钻石具有相同的平均价格,就像其他一些软件(SPSS)要求进行Kruskal测试时一样.

我从pgirmess包中找到了kruskalmc,它允许我做我想做的事:

> kruskalmc(diamonds$price, diamonds$color)
Multiple comparison test after Kruskal-Wallis 
p.value: 0.05 
Comparisons
      obs.dif critical.dif difference
D-E  571.7459     747.4962      FALSE
D-F 2237.4309     751.5684       TRUE
D-G 2643.1778     726.9854       TRUE
D-H 4539.4392     774.4809       TRUE
D-I 6002.6286     862.0150       TRUE
D-J 8077.2871    1061.7451       TRUE
E-F 2809.1767     680.4144       TRUE
E-G 3214.9237     653.1587       TRUE
E-H 5111.1851     705.6410       TRUE
E-I 6574.3744     800.7362       TRUE
E-J 8649.0330    1012.6260       TRUE
F-G  405.7470     657.8152      FALSE
F-H 2302.0083     709.9533       TRUE
F-I 3765.1977     804.5390       TRUE
F-J 5839.8562    1015.6357       TRUE
G-H 1896.2614     683.8760       TRUE
G-I 3359.4507     781.6237       TRUE
G-J 5434.1093     997.5813       TRUE
H-I 1463.1894     825.9834       TRUE
H-J 3537.8479    1032.7058       TRUE
I-J 2074.6585    1099.8776       TRUE

然而,这个包只允许一个明确的变量(例如我不能学习的颜色和克拉聚集的价格,我可以做kruskal.test),我不知道该pgirmess包任何东西,无论是是否维护,或是否经过测试.

你能推荐一个包来执行Kruskal-Wallis测试,它会返回每次比较的详细信息吗？你会如何处理这个问题？

Answer 1

除了马雷克提到的kruskal :: agricolae之外的另一种方法是在使用multcomp的硬币包中的oneway_test的帮助页面中实现的Nemenyi-Damico-Wolfe-Dunn测试.使用hadley的设置并减少近似()函数的B =值,使其在有限时间内完成:

#updated translation of help page implementation of NDWD
NDWD <- 
    independence_test(dv ~ iv, data = sum_codings1, distribution = approximate(B = 10000), 
                          ytrafo = function(data) trafo(data, numeric_trafo = rank_trafo), 
                          xtrafo = mcp_trafo(iv = "Tukey"))


    ### global p-value
    print(pvalue(NDWD))

    ### sites (I = II) != (III = IV) at alpha = 0.01 (page 244)
    print(pvalue(NDWD, method = "single-step"))

在较大的数据集上获得更稳定的结果可能需要增加B值并增加用户的耐心.

Jan:2012:最近在R-help上发布了一个帖子,声称此方法出现意外结果,因此我将该电子邮件转发给维护者.Mark Difford说他已经证实了这些问题,并提供了nparcomp软件包的替代测试:https://stat.ethz.ch/pipermail/r-help/2012-January/300100.html

在同一周还有一些关于rhelp的其他建议,用于与KW测试的事后对比: Marrus Garrido Escudero建议的kruskalmc , rms::polr然后rms::contrasts是Frank Harrell建议的https://stat.ethz.ch/pipermail/r-帮助/ 2012年一月/ 300329.html

2015年11月:同意toto_tico,帮助硬币包的页面代码在这些年间发生了变化.在?independence_test帮助页面现在提供了一个多变量测试KW和?oneway_test帮助页面与上述USNG的代码替换其先前执行independence_test的功能.