R တွင် mann-whitney u စမ်းသပ်မှုပြုလုပ်နည်း
Mann-Whitney U စမ်းသပ်မှု (တစ်ခါတစ်ရံ Wilcoxon rank sum test ဟုခေါ်သည်) ကိုနမူနာဖြန့်ဝေမှုများကို ပုံမှန်မဖြန့်ဝေ ဘဲနမူနာအရွယ်အစားသေးငယ်သည် (n <30) တွင် သီးခြားလွတ်လပ်သောနမူနာနှစ်ခုကြား ကွာခြားချက်ကို နှိုင်းယှဉ်ရန် အသုံးပြုသည်။
လွတ်လပ်သောနမူနာနှစ်ခု t စမ်းသပ်မှု ၏ parametric ညီမျှခြင်းဟု ယူဆသည်။
ဤသင်ခန်းစာသည် R တွင် Mann-Whitney U စမ်းသပ်မှုကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။
ဥပမာ- R တွင် Mann-Whitney U စမ်းသပ်မှု
အထိတ်တလန့်တိုက်ခိုက်မှုများကို ကာကွယ်ရန် ဆေးဝါးအသစ်သည် ထိရောက်မှုရှိ၊ မရှိကို သုတေသီများက သိချင်ကြသည်။ စုစုပေါင်းလူနာ 12 ဦးကို 6 အုပ်စုနှစ်စုခွဲ၍ ဆေးဝါးအသစ် သို့မဟုတ် placebo ကိုလက်ခံရရှိရန်တာဝန်ပေးအပ်သည်။ ထို့နောက် လူနာများသည် တစ်လတာအတွင်း သူတို့ကြုံတွေ့ခဲ့ရသည့် ထိတ်လန့်တိုက်ခိုက်မှုအရေအတွက်ကို မှတ်တမ်းတင်သည်။
ရလဒ်များကို အောက်တွင် ပြထားသည်။
ဆေးအသစ် | PLACEBO |
---|---|
၃ | ၄ |
၅ | ၈ |
၁ | ၆ |
၄ | ၂ |
၃ | ၁ |
၅ | ၉ |
ဆေးအုပ်စုအသစ်နှင့်နှိုင်းယှဉ်ပါက placebo အုပ်စုရှိ လူနာများအကြား ထိတ်လန့်တိုက်ခိုက်မှုအရေအတွက် ကွာခြားမှုရှိမရှိ ဆုံးဖြတ်ရန် Mann-Whitney U စမ်းသပ်မှုပြုလုပ်ပါ။ သိသာထင်ရှားမှုအဆင့် 0.05 ကိုသုံးပါ။
Mann-Whitney U စမ်းသပ်မှုကို လုပ်ဆောင်ရန် မတူညီသောနည်းလမ်း နှစ်မျိုးရှိသော်လည်း နည်းလမ်းနှစ်ခုစလုံးသည် wilcox.test() လုပ်ဆောင်ချက်ကို အသုံးပြုပြီး နှစ်ခုစလုံးသည် တူညီသောရလဒ်ကို ရရှိစေပါသည်။
ရွေးချယ်မှု 1- သီးခြား vector နှစ်ခုအဖြစ် ဒေတာကို ထည့်ပါ။
#create a vector for each group new <- c(3, 5, 1, 4, 3, 5) placebo <- c(4, 8, 6, 2, 1, 9) #perform the Mann Whitney U test wilcox.test(new, placebo) #output Wilcoxon rank sum test with continuity correction data: new and placebo W = 13, p-value = 0.468 alternative hypothesis: true location shift is not equal to 0
ရွေးချယ်မှု 2- ကော်လံနှစ်ခုပါသော ဒေတာဘောင်တစ်ခုတွင် ဒေတာကို ထည့်သွင်းပါ။ ကော်လံတစ်ခုတွင် အထိတ်တလန့် တိုက်ခိုက်မှု အရေအတွက် ပါ၀င်ပြီး အခြားကော်လံတစ်ခုတွင် အုပ်စုပါရှိသည်။
#create a data frame with two columns, one for each group drug_data <- data.frame(attacks = c(3, 5, 1, 4, 3, 5, 4, 8, 6, 2, 1, 9), drug_group = c(rep("old", 6), rep("placebo", 6))) #perform the Mann Whitney U test wilcox.test(attacks~drug_group, data = drug_data) #output data: attacks by drug_group W = 13, p-value = 0.468 alternative hypothesis: true location shift is not equal to 0
နည်းလမ်းနှစ်ခုစလုံးသည် တူညီသောရလဒ်ကို ဖြစ်ပေါ်စေကြောင်း သတိပြုပါ။ ပြောရရင်၊ စမ်းသပ်မှုစာရင်းအင်းက W = 13 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value က 0.468 ဖြစ်ပါတယ်။
p-value သည် 0.05 ထက် ကြီးသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။
ဆိုလိုသည်မှာ placebo အုပ်စုရှိ လူနာများမှ ခံစားရသော အထိတ်တလန့် တိုက်ခိုက်မှု အရေအတွက်သည် ဆေးဝါးအသစ်အုပ်စုရှိ သူများနှင့် ကွဲပြားသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား မရှိဟု ဆိုလိုပါသည်။
Wilcox.test() အသုံးပြုခြင်းဆိုင်ရာ မှတ်စုများ
ပုံသေအားဖြင့်၊ wilcox.test() သည် သင်သည် နှစ်ဘက်ယူဆချက်စမ်းသပ်မှုကို လုပ်ဆောင်လိုသည်ဟု ယူဆသည်။ သို့သော် သင်သည် တစ်ဖက်သတ်စမ်းသပ်မှုကို လုပ်ဆောင်လိုပါက အခြားရွေးချယ်စရာ=”နည်း” သို့မဟုတ် အစားထိုး=”ပို” ဟု သတ်မှတ်နိုင်သည်။
ဥပမာအားဖြင့်၊ ဆေးဝါးအသစ်သည် placebo ထက် အထိတ်တလန့်တိုက်ခိုက်မှုများကို ပိုနည်း စေသည်ဟု ယူဆချက်အား ကျွန်ုပ်တို့ စမ်းသပ်လိုသည်ဆိုပါစို့။ ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ wilcox.test() လုပ်ဆောင်ချက်တွင် အခြားရွေးချယ်စရာ=”နည်း” ကို သတ်မှတ်နိုင်သည်-
#create a vector for each group new <- c(3, 5, 1, 4, 3, 5) placebo <- c(4, 8, 6, 2, 1, 9) #perform the Mann Whitney U test, specify alternative="less" wilcox.test(new, placebo, alternative="less") #output Wilcoxon rank sum test with continuity correction data: new and placebo W = 13, p-value = 0.234 alternative hypothesis: true location shift is less than 0
စမ်းသပ်မှုစာရင်းအင်းသည် W = 13 ဖြစ်နေဆဲဖြစ်သော်လည်း p-value သည် ယခုအခါ 0.234 ဖြစ်သည်၊ ၎င်းသည် two-tailed test အတွက် ယခင် p-value ထက်ဝက်တိတိဖြစ်သည်။
p-value သည် 0.05 ထက် အမြဲကြီးနေသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ဆဲဖြစ်သည်။
ဆေးဝါးအသစ်အုပ်စုရှိ လူနာများခံစားရသည့် ထိတ်လန့်တိုက်ခိုက်မှုအရေအတွက်သည် placebo အုပ်စုရှိ လူနာများထက် နည်းပါးသည်ဟုဆိုရန် လုံလောက်သော အထောက်အထားမရှိပါ။
ထပ်လောင်းအရင်းအမြစ်များ
Mann-Whitney U Test အတွက် လမ်းညွှန်ချက်
Mann-Whitney U စမ်းသပ်ဂဏန်းပေါင်းစက်