နှိုင်းယှဉ်မှုများစွာအတွက် dunn ၏စမ်းသပ်မှု

Kruskal-Wallis စမ်းသပ်မှုအား အမှီ အခိုကင်းသော အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသော အလယ်အလတ်အုပ်စုများကြားတွင် ကိန်းဂဏန်းအချက်အလတ် သိသိသာသာကွာခြားမှု ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ၎င်းကို တစ်လမ်းသွား ANOVA ၏ မျဥ်းရိုးမတူညီသော တူညီသည်ဟု ယူဆသည်။

Kruskal-Wallis စမ်းသပ်မှု၏ရလဒ်များသည်စာရင်းအင်းအရသိသာထင်ရှားပါက၊ မည်သည့်အုပ်စုများကွဲပြားသည်ကိုအတိအကျဆုံးဖြတ်ရန် Dunn စမ်းသပ်မှုကို လုပ်ဆောင်ရန်သင့်လျော်သည်။

Dunn ၏စမ်းသပ်မှုသည် သီးခြားအုပ်စုတစ်ခုစီကြားတွင် အတွဲလိုက် နှိုင်းယှဉ်မှုများကို လုပ်ဆောင်ပြီး မည်သည့်အဖွဲ့များသည် α အဆင့်တွင် စာရင်းအင်းအရ သိသာထင်ရှားစွာ ကွဲပြားသည်ကို ပြောပြသည်။

ဥပမာအားဖြင့်၊ သုတေသီတစ်ဦးသည် မတူညီသောဆေးသုံးမျိုးတွင် ခါးနာခြင်းအပေါ် မတူညီသောအကျိုးသက်ရောက်မှုရှိမရှိ သိလိုသည်ဆိုပါစို့။ သူသည် လေ့လာမှုအတွက် ဘာသာရပ် 30 ခုကိုစုဆောင်းပြီး ၎င်းတို့အား ဆေး A၊ Drug B သို့မဟုတ် Drug C တွင် တစ်လကြာ ကျပန်းပေးကာ လကုန်တွင် ၎င်းတို့၏ ခါးနာခြင်းကို တိုင်းတာသည်။

သုတေသီသည် ဆေးဝါးသုံးမျိုးကြား အလယ်အလတ် ခါးနာခြင်း ဟုတ်မဟုတ် ဆုံးဖြတ်ရန် Kruskal-Wallis စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။ Kruskal-Wallis စမ်းသပ်မှု၏ p-value သည် သတ်မှတ်ထားသော အတိုင်းအတာတစ်ခုအောက် ရောက်နေပါက၊ ဆေးဝါးသုံးမျိုးသည် မတူညီသော အကျိုးသက်ရောက်မှုများကို ထုတ်ပေးသည်ဟု ဆိုနိုင်ပါသည်။

ထို့နောက် သုတေသီသည် မည်သည့် ဆေးဝါးများသည် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော အာနိသင်များ ထုတ်ပေးသည်ကို ဆုံးဖြတ်ရန် Dunn ၏ စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်။

Dunn ၏စမ်းသပ်မှု- ဖော်မြူလာ

စာရင်းအင်းဆော့ဖ်ဝဲ (R၊ Python၊ Stata၊ SPSS စသည်ဖြင့်) ကို အသုံးပြု၍ လုပ်ဆောင်နိုင်သောကြောင့် Dunn စစ်ဆေးမှုကို လက်ဖြင့်လုပ်ဆောင်ရန် ဘယ်သောအခါမှ ပြုလုပ်နိုင်မည်မဟုတ်သော်လည်း အုပ်စုနှစ်ခုကြားရှိ z စမ်းသပ်ကိန်းဂဏန်းကို တွက်ချက်ရန်အတွက် ဖော်မြူလာမှာ ကွာခြားချက်ဖြစ်သည်။ ဖော်ပြပါအတိုင်း:

z _i = y _ငါ / σ _i

i သည် 1 to m နှိုင်းယှဥ်မှုများထဲမှ တစ်ခုဖြစ်ပြီး y _i = W _A – W _B (W _A သည် i ^th အုပ်စုအတွက် အဆင့်ပေါင်း၏ပျမ်းမျှဖြစ်သည်) နှင့် σ _{i ကို} အောက်ပါအတိုင်း တွက်ချက်သည်-

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

N သည် အုပ်စုအားလုံးရှိ စောင့်ကြည့်မှု စုစုပေါင်းအရေအတွက်ဖြစ်ပြီး r သည် ချိတ်ဆက်ထားသော အဆင့်အရေအတွက်ဖြစ်ပြီး _T သည် သီးခြား th ချိတ်ဆက်ထားသော တန်ဖိုးနှင့် ချိတ်ဆက်ထားသော စူးစမ်းမှုအရေအတွက်ဖြစ်သည်။

မိသားစုအလိုက် အမှားအယွင်းနှုန်းကို ဘယ်လိုထိန်းချုပ်မလဲ။

ကျွန်ုပ်တို့သည် နှိုင်းယှဉ်မှုများစွာကို တစ်ပြိုင်နက်လုပ်ဆောင်သည့်အခါတိုင်း၊ မိသားစုအလိုက် အမှားအယွင်းနှုန်းကို ထိန်းချုပ်ရန် အရေးကြီးပါသည်။ ဤသို့ပြုလုပ်ရန် နည်းလမ်းတစ်ခုမှာ နှိုင်းယှဉ်မှုများစွာမှ ထွက်ပေါ်လာသော p-တန်ဖိုးများကို ချိန်ညှိရန်ဖြစ်သည်။

p-တန်ဖိုးများကို ချိန်ညှိရန် နည်းလမ်းများစွာရှိသော်လည်း အသုံးအများဆုံး ချိန်ညှိနည်းနှစ်ခုမှာ-

1. Bonferroni ညှိနှိုင်းမှု

p-value = p*m ကို ချိန်ညှိထားသည်။

ရွှေ-

• p: မူရင်း p တန်ဖိုး
• m- နှိုင်းယှဉ်မှု စုစုပေါင်းအရေအတွက်

2. Sidak ညှိနှိုင်းမှု

ချိန်ညှိထားသော p-value = 1 – (1-p) ^m

ရွှေ-

• p: မူရင်း p တန်ဖိုး
• m- နှိုင်းယှဉ်မှု စုစုပေါင်းအရေအတွက်

ဤ p-value ချိန်ညှိချက်များထဲမှ တစ်ခုကို အသုံးပြုခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် နှိုင်းယှဉ်မှုများစွာထဲမှ Type I အမှားတစ်ခု ပြုလုပ်နိုင်ခြေကို သိသိသာသာ လျှော့ချနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

R တွင် Dunn ၏စမ်းသပ်မှုကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။
Python တွင် Dunn ၏စမ်းသပ်မှုကိုဘယ်လိုလုပ်ဆောင်မလဲ။