{"id":1048,"date":"2023-07-27T20:35:01","date_gmt":"2023-07-27T20:35:01","guid":{"rendered":"https:\/\/statorials.org\/de\/dunns-test-in-r\/"},"modified":"2023-07-27T20:35:01","modified_gmt":"2023-07-27T20:35:01","slug":"dunns-test-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/dunns-test-in-r\/","title":{"rendered":"So f\u00fchren sie den dunn-test in r durch"},"content":{"rendered":"

<\/p>\n

\n

Mithilfe eines Kruskal-Wallis-Tests<\/a> wird ermittelt, ob ein statistisch signifikanter Unterschied zwischen den Medianwerten von drei oder mehr unabh\u00e4ngigen Gruppen besteht. Sie gilt als nichtparametrisches \u00c4quivalent der einfaktoriellen ANOVA<\/a> .<\/span><\/p>\n

Wenn die Ergebnisse eines Kruskal-Wallis-Tests statistisch signifikant sind, ist es angebracht, den Dunn-Test<\/a> durchzuf\u00fchren, um genau zu bestimmen, welche Gruppen unterschiedlich sind.<\/span><\/p>\n

In diesem Tutorial wird erkl\u00e4rt, wie der Dunn-Test in R durchgef\u00fchrt wird.<\/span><\/p>\n

Beispiel: Dunn-Test in R<\/strong><\/span><\/h3>\n

Ein Forscher m\u00f6chte wissen, ob drei Medikamente unterschiedliche Wirkungen auf R\u00fcckenschmerzen haben. Deshalb rekrutiert er 30 Menschen, die alle unter \u00e4hnlichen R\u00fcckenschmerzen leiden, und teilt sie nach dem Zufallsprinzip in drei Gruppen ein, um entweder Medikament A, Medikament B oder Medikament C zu erhalten. Einen Monat nach der Einnahme des Medikaments bittet der Forscher jeden Einzelnen, seine R\u00fcckenschmerzen einzusch\u00e4tzen Eine Skala von 1 bis 100, wobei 100 den st\u00e4rksten Schmerz angibt.<\/span><\/p>\n

Der Forscher f\u00fchrt einen Kruskal-Wallis-Test mit einem Signifikanzniveau von 0,05 durch, um festzustellen, ob es einen statistisch signifikanten Unterschied zwischen den mittleren R\u00fcckenschmerzbewertungen in diesen drei Gruppen gibt.<\/span><\/p>\n

Der folgende Code zeigt, wie man den Datenrahmen in R erstellt und einen Kruskal-Wallis-Test durchf\u00fchrt:<\/span><\/p>\n

 #make this example reproducible\nset.seed(0)\n<\/span>\n#create data frame\ndata <- data.frame(drug = rep(c(\"A\", \"B\", \"C\"), each = 10),\n                   bread = c(runif(10, 40, 60),\n                            runif(10, 45, 65),\n                            runif(10, 55, 70)))<\/span>\n\n#view first six rows of data frame\nhead(data)\n<\/span>\n# drug pain\n#1 A 57.93394\n#2 A 45.31017\n#3 A 47.44248\n#4 A 51.45707\n#5 A 58.16416\n#6 A 44.03364\n\n#perform Kruskal-Wallis Test<\/span>\nkruskal.test(pain ~ drug, data = data)\n\n\tKruskal-Wallis rank sum test\n\ndata: pain by drug\nKruskal-Wallis chi-squared = 11.105, df = 2, p-value = 0.003879\n<\/span><\/span><\/strong><\/pre>\n
 Da der Gesamt-p-Wert ( 0,003879<\/strong> ) weniger als 0,05 betr\u00e4gt, bedeutet dies, dass zwischen den drei Medikamenten ein statistisch signifikanter Unterschied in den gemeldeten Schmerzniveaus besteht. So k\u00f6nnen wir den Dunn-Test durchf\u00fchren, um genau zu bestimmen, welche Medikamente unterschiedlich sind.<\/span><\/p>\n
 #loadlibrary\nlibrary(FSA)\n\n#perform Dunn's Test with Bonferroni correction for p-values<\/span>\ndunnTest(pain ~ drug,\n         data=data,\n         method=\" bonferroni<\/span> \")\n\nDunn (1964) Kruskal-Wallis multiple comparison\n  p-values adjusted with the Bonferroni method.\n\n  Comparison Z P.unadj P.adj\n1 A - B -0.8890009 0.374002602 1.000000000\n2 A - C -3.2258032 0.001256197 0.003768591\n3 B - C -2.3368023 0.019449464 0.058348393<\/span><\/span><\/strong><\/pre>\n
 Beachten Sie, dass wir uns f\u00fcr die Verwendung einer Bonferroni-Korrektur f\u00fcr die p-Werte mehrerer Vergleiche entschieden haben. Andere m\u00f6gliche Optionen sind jedoch:<\/span><\/p>\n
 Der folgende Code zeigt, wie der Dunn-Test in R mit der Funktion dunnTest()<\/a> aus der FSA()-<\/strong> Bibliothek durchgef\u00fchrt wird:<\/span><\/p>\n