如何在 r 中执行 kruskal-wallis 测试

Kruskal-Wallis 检验用于确定三个或更多独立组的中位数之间是否存在统计显着差异。

它被认为是单向方差分析的非参数等效项。

本教程介绍如何在 R 中执行 Kruskal-Wallis 测试。

示例：R 中的 Kruskal-Wallis 测试

假设研究人员想知道三种不同的肥料是否会导致不同程度的植物生长。他们随机选择 30 种不同的植物，并将它们分成三组，每组 10 株，并为每组施用不同的肥料。一个月后，他们测量了每株植物的高度。

按照以下步骤执行 Kruskal-Wallis 检验，以确定所有三组的中位生长是否相同。

第 1 步：输入数据。

首先，我们将创建以下数据框，其中包含 30 种植物的生长情况及其肥料组：

 #create data frame
df <- data. frame (group=rep(c(' A ', ' B ', ' C '), each= 10 ),
                 height=c(7, 14, 14, 13, 12, 9, 6, 14, 12, 8,
                          15, 17, 13, 15, 15, 13, 9, 12, 10, 8,
                          6, 8, 8, 9, 5, 14, 13, 8, 10, 9))

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

  group height
1 to 7
2 to 14
3 to 14
4 to 13
5 to 12
6 to 9

步骤 2：执行 Kruskal-Wallis 检验。

接下来，我们将使用 R 数据库内置的kruskal.test()函数执行 Kruskal-Wallis 测试：

 #perform Kruskal-Wallis Test 
kruskal. test (height ~ group, data = df) 

	Kruskal-Wallis rank sum test

data: height by group
Kruskal-Wallis chi-squared = 6.2878, df = 2, p-value = 0.04311

第 3 步：解释结果。

Kruskal-Wallis 检验使用以下原假设和备择假设：

原假设 (H ₀ )：所有组中的中位数相等。

备择假设： ( _HA )：所有组中的中位数并不相等。

在本例中，检验统计量为6.2878 ，相应的 p 值为0.0431 。

由于该p 值小于 0.05，因此我们可以拒绝所有三种肥料的植物生长中值相同的零假设。

这意味着我们有足够的证据可以得出结论，所使用的肥料类型会导致植物生长产生统计上的显着差异。

其他资源

以下教程解释了如何在 R 中执行其他常见统计测试：

如何在 R 中执行配对样本 t 检验
如何在 R 中执行单向方差分析
如何在 R 中执行重复测量方差分析