R တွင် mann-kendall trend test ကို ဘယ်လိုလုပ်ဆောင်ရမလဲ

Mann-Kendall trend test ကို time series data မှာ trend ရှိ/မရှိ ဆုံးဖြတ်ဖို့ သုံးပါတယ်။ ဤသည်မှာ ပါရာမက်ထရစ်မဟုတ်သော စမ်းသပ်မှုဖြစ်ပြီး၊ ဆိုလိုသည်မှာ ဒေတာ၏ ပုံမှန်ဖြစ်တည်မှုနှင့် ပတ်သက်၍ နောက်ခံယူဆချက်များ မပြုလုပ်ရပါ။

စမ်းသပ်မှုယူဆချက်မှာ အောက်ပါအတိုင်းဖြစ်သည်။

H ₀ (null hypothesis): ဒေတာတွင် လမ်းကြောင်းမရှိပေ။

H _A (အစားထိုးယူဆချက်)- လမ်းကြောင်းတစ်ခုသည် ဒေတာတွင် ရှိနေသည်။ (ဒါက အပြုသဘော ဒါမှမဟုတ် အဆိုးမြင်လမ်းကြောင်း ဖြစ်နိုင်ပါတယ်)

အကယ်၍ စမ်းသပ်မှု၏ p-တန်ဖိုးသည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက (အများအားဖြင့် ရွေးချယ်မှုများမှာ 0.10၊ 0.05 နှင့် 0.01) ဆိုလျှင် အချိန်စီးရီးမှ အချက်အလက်များတွင် လမ်းကြောင်းသစ်တစ်ခု ရှိနေကြောင်း ကိန်းဂဏန်းဆိုင်ရာ သိသာထင်ရှားသော အထောက်အထားများ ရှိပါသည်။

ဤသင်ခန်းစာသည် R တွင် Mann-Kendall trend test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

ဥပမာ- R တွင် Mann-Kendall လမ်းကြောင်းစမ်းသပ်မှု

R တွင် Mann-Kendall လမ်းကြောင်းစမ်းသပ်မှုကို လုပ်ဆောင်ရန်၊ အောက်ပါ syntax ကိုအသုံးပြုသည့် Kendall စာကြည့်တိုက်မှ MannKendall() လုပ်ဆောင်ချက်ကို အသုံးပြုပါမည်။

MannKendall(x)

ရွှေ-

• x = data ၏ vector တစ်ခု၊ များသောအားဖြင့် အချိန် စီးရီးတစ်ခု

စမ်းသပ်ပုံလုပ်ဆောင်ပုံကို သရုပ်ဖော်ရန်၊ ကျွန်ုပ်တို့သည် ၁၉၀၀ မှ ၁၉၈၆ ခုနှစ်အထိ ရေကန်ကြီးအားလုံးအတွက် နှစ်စဉ်မိုးရွာသွန်းမှုအချက်အလက်ပါရှိသော Kendall Library ၏ Built-in PrecipGL ဒေတာအတွဲကို အသုံးပြုပါမည်။

 #load Kendall library and PrecipGL dataset
library(Kendall)
data(PrecipGL)

#view dataset
PrecipGL

Time Series:
Start = 1900 
End = 1986 
Frequency = 1 
[1] 31.69 29.77 31.70 33.06 31.31 32.72 31.18 29.90 29.17 31.48 28.11 32.61
[13] 31.31 30.96 28.40 30.68 33.67 28.65 30.62 30.21 28.79 30.92 30.92 28.13
[25] 30.51 27.63 34.80 32.10 33.86 32.33 25.69 30.60 32.85 30.31 27.71 30.34
[37] 29.14 33.41 33.51 29.90 32.69 32.34 35.01 33.05 31.15 36.36 29.83 33.70
[49] 29.81 32.41 35.90 37.45 30.39 31.15 35.75 31.14 30.06 32.40 28.44 36.38
[61] 31.73 31.27 28.51 26.01 31.27 35.57 30.85 33.35 35.82 31.78 34.25 31.43
[73] 35.97 33.87 28.94 34.62 31.06 38.84 32.25 35.86 32.93 32.69 34.39 33.97
[85] 32.15 40.16 36.32
attr(,"title")
[1] Annual precipitation, 1900-1986, Entire Great Lakes

ဒေတာတွင် လမ်းကြောင်းသစ်တစ်ခုရှိမရှိကို ကြည့်ရန်၊ ကျွန်ုပ်တို့သည် Mann-Kendall လမ်းကြောင်းစမ်းသပ်မှုကို လုပ်ဆောင်နိုင်သည်-

 #Perform the Mann-Kendall Trend Test
MannKendall(PrecipGL)

tau = 0.265, 2-sided pvalue = 0.00029206

စမ်းသပ်မှုစာရင်းအင်းသည် 0.265 ဖြစ်ပြီး သက်ဆိုင်ရာ အမြီးနှစ်ပိုင်း p-value သည် 0.00029206 ဖြစ်သည်။ ဤ p-value သည် 0.05 ထက်နည်းသောကြောင့်၊ ကျွန်ုပ်တို့သည် စမ်းသပ်မှု၏ null hypothesis ကို ပယ်ချပြီး data တွင် trend တစ်ခု ရှိနေကြောင်း ကောက်ချက်ချပါမည်။

လမ်းကြောင်းကိုမြင်ယောင်ရန်၊ ကျွန်ုပ်တို့သည် တစ်နှစ်လျှင် နှစ်စဉ်မိုးရွာသွန်းမှုအချိန်ကွက်ကွက်တစ်ခုကို ဖန်တီးနိုင်ပြီး လမ်းကြောင်းကိုကိုယ်စားပြုရန်အတွက် ချောမွေ့သောမျဉ်းကြောင်းကို ထည့်နိုင်သည်-

 #Plot the time series data
plot(PrecipGL)

#Add a smooth line to visualize the trend 
lines(lowess(time(PrecipGL),PrecipGL), col='blue')

SeasonalMannKendall(x) ညွှန်ကြားချက်ကို အသုံးပြု၍ ဒေတာရှိ ရာသီအလိုက် မည်သည့်ရာသီအလိုက်ဖြစ်နိုင်သည်ကို ထည့်သွင်းရန်အတွက် ရာသီအလိုက် ချိန်ညှိထားသော Mann-Kendall လမ်းကြောင်းစမ်းသပ်မှုကိုလည်း လုပ်ဆောင်နိုင်သည်ကို သတိပြုပါ-

 #Perform a seasonally-adjusted Mann-Kendall Trend Test
SeasonalMannKendall(PrecipGL)

tau = 0.265, 2-sided pvalue = 0.00028797

စမ်းသပ်မှုစာရင်းအင်းသည် 0.265 ဖြစ်ပြီး သက်ဆိုင်ရာ အမြီးနှစ်ပိုင်း p-value သည် 0.00028797 ဖြစ်သည်။ တစ်ဖန် ဤ p-value သည် 0.05 ထက်နည်းသောကြောင့် စမ်းသပ်မှု၏ null hypothesis ကို ပယ်ချပြီး data တွင် trend တစ်ခု ရှိနေကြောင်း ကောက်ချက်ချပါမည်။