R တွင် dunn ၏စမ်းသပ်မှုကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။

Kruskal-Wallis စမ်းသပ်မှုအား အမှီ အခိုကင်းသော အုပ်စုသုံးစု သို့မဟုတ် ထို့ထက်ပိုသော အလယ်အလတ်အုပ်စုများကြားတွင် စာရင်းအင်းဆိုင်ရာ သိသာထင်ရှားသော ခြားနားချက်ရှိ၊ မရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။ ၎င်းကို တစ်လမ်းသွား ANOVA ၏ မျဥ်းရိုးမတူညီသော တူညီသည်ဟု ယူဆသည်။

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

ဤသင်ခန်းစာတွင် Dunn ၏စမ်းသပ်မှုကို R တွင် မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- R တွင် Dunn စမ်းသပ်မှု

သုတေသီတစ်ဦးသည် ဆေးဝါးသုံးမျိုးတွင် ခါးနာခြင်းအတွက် မတူညီသောအကျိုးသက်ရောက်မှုရှိမရှိ သိလိုပါသည်။ ထို့ကြောင့် သူသည် အလားတူ ခါးနာဝေဒနာ ခံစားရသူ အယောက် ၃၀ ကို စုဆောင်းကာ ၎င်းတို့အား ဆေး A၊ ဆေး B သို့မဟုတ် ဆေး C တို့ကို ရရှိနိုင်စေရန် အုပ်စုသုံးစုခွဲ၍ ဆေးသောက်ပြီးနောက် တစ်လလျှင် သုတေသီတစ်ဦးစီက ၎င်းတို့၏ ခါးနာခြင်းကို အဆင့်သတ်မှတ်ရန် တောင်းဆိုသည်။ 1 မှ 100 အတိုင်းအတာတစ်ခု၊ 100 သည် အပြင်းထန်ဆုံးနာကျင်မှုကို ညွှန်ပြသည်။

သုတေသီသည် ဤအုပ်စုသုံးစုရှိ ခါးနာအဆင့်သတ်မှတ်ချက်များကြား ကိန်းဂဏန်းအချက်အလတ် သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ ဆုံးဖြတ်ရန် Kruskal-Wallis စမ်းသပ်မှုတစ်ခုကို လုပ်ဆောင်သည်။

အောက်ပါကုဒ်သည် R တွင် ဒေတာဘောင်ဖန်တီးနည်းနှင့် Kruskal-Wallis စမ်းသပ်မှုကို လုပ်ဆောင်ပုံကို ပြသသည်-

 #make this example reproducible
set.seed(0)

#create data frame
data <- data.frame(drug = rep(c("A", "B", "C"), each = 10),
                   bread = c(runif(10, 40, 60),
                            runif(10, 45, 65),
                            runif(10, 55, 70)))

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

# drug pain
#1 A 57.93394
#2 A 45.31017
#3 A 47.44248
#4 A 51.45707
#5 A 58.16416
#6 A 44.03364

#perform Kruskal-Wallis Test
kruskal.test(pain ~ drug, data = data)

	Kruskal-Wallis rank sum test

data: pain by drug
Kruskal-Wallis chi-squared = 11.105, df = 2, p-value = 0.003879

စုစုပေါင်း p-value ( 0.003879 ) သည် 0.05 ထက်နည်းသောကြောင့်၊ ၎င်းသည် ဆေးဝါးသုံးမျိုးကြားတွင် အစီရင်ခံတင်ပြထားသော နာကျင်မှုအဆင့်များတွင် ကိန်းဂဏန်းအချက်အလတ်များ သိသာထင်ရှားစွာ ကွာခြားမှုရှိသည်ဟု ဆိုလိုပါသည်။ ဒါကြောင့် ဘယ်ဆေးတွေက မတူဘူးဆိုတာ တိတိကျကျ ဆုံးဖြတ်နိုင်ဖို့ Dunn ရဲ့ စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်ပါတယ်။

အောက်ပါကုဒ်သည် FSA() စာကြည့်တိုက်မှ dunnTest() လုပ်ဆောင်ချက်ကို အသုံးပြု၍ R တွင် Dunn စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #loadlibrary
library(FSA)

#perform Dunn's Test with Bonferroni correction for p-values
dunnTest(pain ~ drug,
         data=data,
         method=" bonferroni ")

Dunn (1964) Kruskal-Wallis multiple comparison
  p-values adjusted with the Bonferroni method.

  Comparison Z P.unadj P.adj
1 A - B -0.8890009 0.374002602 1.000000000
2 A - C -3.2258032 0.001256197 0.003768591
3 B - C -2.3368023 0.019449464 0.058348393

နှိုင်းယှဉ်မှုများစွာ၏ p-တန်ဖိုးများအတွက် Bonferroni တည့်မတ်မှုကို ကျွန်ုပ်တို့ရွေးချယ်ခဲ့သည်ကို သတိပြုပါ၊ သို့သော် အခြားဖြစ်နိုင်သောရွေးချယ်စရာများ ပါဝင်သည်။

• “ sidak” (Sidak ချိန်ညှိမှု)
• “ ဟုမ်း” (ဟုမ်း ချိန်ညှိမှု)
• “hs” (Holm-Sidak ချိန်ညှိမှု)
• “bs” (Bonferroni-Sidak ချိန်ညှိမှု)
• “ အားဖြင့်” (Benjamin-Yekuteili ချိန်ညှိမှု)
• “bh” ( Benjamini-Hochberg လုပ်ထုံးလုပ်နည်း )

α = 0.05 တွင်၊ မူးယစ်ဆေးဝါး A နှင့် C သည် တစ်ခုနှင့်တစ်ခု ကိန်းဂဏန်းအရ သိသာထင်ရှားစွာကွာခြားသည့် တစ်ခုတည်းသောဆေးဝါးများဖြစ်သည် (ချိန်ညှိထားသော p-value = 0.003768 )။