كيفية إجراء اختبار دن في r

يتم استخدام اختبار كروسكال واليس لتحديد ما إذا كان هناك فرق ذو دلالة إحصائية بين متوسطات ثلاث مجموعات مستقلة أو أكثر. ويعتبر المعادل اللامعلمي لتحليل التباين (ANOVA) أحادي الاتجاه .

إذا كانت نتائج اختبار كروسكال واليس ذات دلالة إحصائية، فمن المناسب إجراء اختبار دن لتحديد المجموعات المختلفة بالضبط.

يشرح هذا البرنامج التعليمي كيفية إجراء اختبار Dunn في R.

مثال: اختبار دن في R

يريد أحد الباحثين معرفة ما إذا كانت ثلاثة أدوية لها تأثيرات مختلفة على آلام الظهر. لذلك قام بتجنيد 30 شخصًا يعانون جميعًا من آلام الظهر المماثلة وقسمهم عشوائيًا إلى ثلاث مجموعات لتلقي إما الدواء أ، أو الدواء ب، أو الدواء ج. وبعد شهر من تناول الدواء، يطلب الباحث من كل فرد تقييم آلام الظهر التي يعاني منها مقياس من 1 إلى 100، حيث تشير 100 إلى أشد الألم.

يقوم الباحث بإجراء اختبار كروسكال واليس باستخدام مستوى دلالة 0.05 لتحديد ما إذا كان هناك فرق ذو دلالة إحصائية بين متوسط تقييمات آلام الظهر في هذه المجموعات الثلاث.

يوضح الكود التالي كيفية إنشاء إطار البيانات في R وإجراء اختبار Kruskal-Wallis:

 #make this example reproducible
set.seed(0)

#create data frame
data <- data.frame(drug = rep(c("A", "B", "C"), each = 10),
                   bread = c(runif(10, 40, 60),
                            runif(10, 45, 65),
                            runif(10, 55, 70)))

#view first six rows of data frame
head(data)

# drug pain
#1 A 57.93394
#2 A 45.31017
#3 A 47.44248
#4 A 51.45707
#5 A 58.16416
#6 A 44.03364

#perform Kruskal-Wallis Test
kruskal.test(pain ~ drug, data = data)

	Kruskal-Wallis rank sum test

data: pain by drug
Kruskal-Wallis chi-squared = 11.105, df = 2, p-value = 0.003879

وبما أن القيمة p الإجمالية ( 0.003879 ) أقل من 0.05، فهذا يعني أن هناك فرقًا ذو دلالة إحصائية في مستويات الألم المبلغ عنها بين الأدوية الثلاثة. لذلك يمكننا إجراء اختبار دان لتحديد الأدوية المختلفة تمامًا.

يوضح التعليمة البرمجية التالية كيفية إجراء اختبار Dunn في R باستخدام وظيفة dunnTest() من مكتبة FSA() :

 #loadlibrary
library(FSA)

#perform Dunn's Test with Bonferroni correction for p-values
dunnTest(pain ~ drug,
         data=data,
         method=" bonferroni ")

Dunn (1964) Kruskal-Wallis multiple comparison
  p-values adjusted with the Bonferroni method.

  Comparison Z P.unadj P.adj
1 A - B -0.8890009 0.374002602 1.000000000
2 A - C -3.2258032 0.001256197 0.003768591
3 B - C -2.3368023 0.019449464 0.058348393

لاحظ أننا اخترنا استخدام تصحيح بونفيروني للقيم الاحتمالية للمقارنات المتعددة، ولكن الخيارات الأخرى الممكنة تشمل:

• “سيداك” (تعديل سيداك)
• “هولم” (تعديل هولم)
• “hs” (تعديل هولم-سيداك)
• “bs” (تعديل Bonferroni-Sidak)
• “بواسطة” (تعديل بنيامين-يكوتيلي)
• “bh” ( إجراء بنياميني-هوخبيرج )

عند α = 0.05، يكون الدواءان A وC هما الدواءان الوحيدان اللذان يختلفان بشكل كبير إحصائيًا عن بعضهما البعض (القيمة p المعدلة = 0.003768 ).