Tes dunn untuk beberapa perbandingan

Uji Kruskal-Wallis digunakan untuk menentukan apakah terdapat perbedaan yang signifikan secara statistik antara median tiga atau lebih kelompok independen. Ini dianggap setara nonparametrik dari ANOVA satu arah .

Jika hasil uji Kruskal-Wallis signifikan secara statistik, maka uji Dunn sebaiknya dilakukan untuk menentukan secara pasti kelompok mana yang berbeda.

Uji Dunn melakukan perbandingan berpasangan antara masing-masing kelompok independen dan memberi tahu Anda kelompok mana yang berbeda secara signifikan secara statistik pada tingkat α tertentu.

Misalnya, seorang peneliti ingin mengetahui apakah tiga obat berbeda memiliki efek berbeda terhadap nyeri punggung. Dia merekrut 30 subjek untuk penelitian ini dan secara acak menugaskan mereka ke Obat A, Obat B, atau Obat C selama sebulan, kemudian mengukur nyeri punggung mereka pada akhir bulan.

Peneliti dapat melakukan tes Kruskal-Wallis untuk menentukan apakah median nyeri punggung sama antara ketiga obat tersebut. Jika p-value uji Kruskal-Wallis berada di bawah ambang batas tertentu, maka dapat dikatakan ketiga obat tersebut menghasilkan efek yang berbeda.

Peneliti kemudian dapat melakukan uji Dunn untuk menentukan obat mana yang menghasilkan efek signifikan secara statistik.

Tes Dunn: rumusnya

Anda mungkin tidak perlu melakukan tes Dunn secara manual karena tes ini dapat dilakukan dengan menggunakan perangkat lunak statistik (seperti R, Python, Stata, SPSS, dll.), tetapi rumus untuk menghitung statistik uji z untuk perbedaan antara dua kelompok adalah sebagai berikut:

z _saya = kamu _saya / σ _saya

dimana i adalah salah satu perbandingan 1 banding m , y _i = W _A – W _B (di mana W _A adalah rata-rata penjumlahan rangking kelompok ke ⁱ ) dan σ _i dihitung sebagai berikut:

σ _i = √ ((N(N+1)/12) – (ΣT ³ _s – T _s /(12(N-1)) / ((1/n _A )+(1/n _B ))

dimana N adalah jumlah total observasi di semua kelompok, r adalah jumlah peringkat yang terhubung dan T _s adalah jumlah observasi yang terhubung dengan nilai tertaut tertentu.

Bagaimana mengontrol tingkat kesalahan berdasarkan keluarga

Setiap kali kami melakukan beberapa perbandingan sekaligus, penting untuk mengontrol tingkat kesalahan per keluarga . Salah satu cara untuk melakukannya adalah dengan menyesuaikan nilai p yang dihasilkan dari beberapa perbandingan.

Ada beberapa cara untuk menyesuaikan nilai p, namun dua metode penyesuaian yang paling umum adalah:

1. Penyesuaian Bonferroni

Nilai p yang disesuaikan = p*m

Emas:

• p : Nilai p asli
• m: jumlah total perbandingan yang dibuat

2. Penyesuaian Sidak

Nilai p yang disesuaikan = 1 – (1-p) ^m

Emas:

• p : Nilai p asli
• m: jumlah total perbandingan yang dibuat

Dengan menggunakan salah satu penyesuaian nilai p ini, kita dapat secara signifikan mengurangi kemungkinan terjadinya kesalahan Tipe I di antara serangkaian beberapa perbandingan.

Sumber daya tambahan

Bagaimana melakukan tes Dunn di R
Cara Melakukan Tes Dunn dengan Python