So führen sie einen kruskal-wallis-test in r durch

Mithilfe eines Kruskal-Wallis-Tests wird ermittelt, ob ein statistisch signifikanter Unterschied zwischen den Medianwerten von drei oder mehr unabhängigen Gruppen besteht.

Sie gilt als nichtparametrisches Äquivalent der einfaktoriellen ANOVA .

In diesem Tutorial wird erklärt, wie man einen Kruskal-Wallis-Test in R durchführt.

Beispiel: Kruskal-Wallis-Test in R

Angenommen, Forscher möchten wissen, ob drei verschiedene Düngemittel zu unterschiedlichem Pflanzenwachstum führen. Sie wählen nach dem Zufallsprinzip 30 verschiedene Pflanzen aus und teilen sie in drei Gruppen zu je zehn Pflanzen auf, wobei sie jeder Gruppe einen anderen Dünger hinzufügen. Nach einem Monat messen sie die Höhe jeder Pflanze.

Befolgen Sie die folgenden Schritte, um einen Kruskal-Wallis-Test durchzuführen und festzustellen, ob das mittlere Wachstum in allen drei Gruppen gleich ist.

Schritt 1: Geben Sie die Daten ein.

Zunächst erstellen wir den folgenden Datenrahmen, der das Wachstum der 30 Pflanzen sowie deren Düngemittelgruppe enthält:

 #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

Schritt 2: Führen Sie den Kruskal-Wallis-Test durch.

Als Nächstes führen wir einen Kruskal-Wallis-Test mit der integrierten Funktion kruskal.test() der R-Datenbank durch:

 #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

Schritt 3: Interpretieren Sie die Ergebnisse.

Der Kruskal-Wallis-Test verwendet die folgenden Null- und Alternativhypothesen:

Die Nullhypothese (H ₀ ): Der Median ist in allen Gruppen gleich.

Die Alternativhypothese: ( _HA ): Der Median ist nicht in allen Gruppen gleich.

In diesem Fall beträgt die Teststatistik 6,2878 und der entsprechende p-Wert beträgt 0,0431 .

Da dieser p-Wert kleiner als 0,05 ist, können wir die Nullhypothese zurückweisen, dass das mittlere Pflanzenwachstum für alle drei Düngemittel gleich ist.

Dies bedeutet, dass wir über genügend Beweise verfügen, um zu dem Schluss zu kommen, dass die Art des verwendeten Düngemittels statistisch signifikante Unterschiede im Pflanzenwachstum verursacht.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige statistische Tests in R durchgeführt werden:

So führen Sie einen T-Test für gepaarte Stichproben in R durch
So führen Sie eine einfaktorielle ANOVA in R durch
So führen Sie eine ANOVA mit wiederholten Messungen in R durch