Hoe u een kruskal-wallis-test uitvoert in sas

Een Kruskal-Wallis-test wordt gebruikt om te bepalen of er al dan niet een statistisch significant verschil bestaat tussen de medianen van drie of meer onafhankelijke groepen.

Het wordt beschouwd als het niet-parametrische equivalent van eenrichtings-ANOVA .

Deze zelfstudie biedt een stapsgewijs voorbeeld van het uitvoeren van een Kruskal-Wallis-test in SAS.

Stap 1: Voer de gegevens in

Stel dat onderzoekers willen weten of drie verschillende meststoffen tot verschillende niveaus van plantengroei leiden.

Ze selecteren willekeurig 30 verschillende planten en verdelen ze in drie groepen van 10, waarbij elke groep een andere meststof wordt toegediend. Na een maand meten ze de hoogte van elke plant.

We voeren de volgende gegevens in SAS in, die de totale groei (in inches) van elk van de tien planten in elke groep laat zien:

 /*create dataset*/
data fertilizer_data;
    input fertilizer $growth;
    datalines ;
fert1 7
fert1 14
fert1 14
fert1 13
fert1 12
fert1 9
fert1 6
fert1 14
fert1 12
fert1 8
fert2 15
fert2 17
fert2 13
fert2 15
fert2 15
fert2 13
fert2 9
fert2 12
fert2 10
fert2 8
fert3 6
fert3 8
fert3 8
fert3 9
fert3 5
fert3 14
fert3 13
fert3 8
fert3 10
fert3 9
;
run ;

Stap 2: Voer de Kruskal-Wallis-test uit

Vervolgens gebruiken we de proc npar1way- instructie om een Kruskal-Wallis-test uit te voeren om de gemiddelde plantengroei tussen de drie meststofgroepen te vergelijken:

 /*perform Kruskal-Wallis test*/
proc npar1way data =fertilizer_data wilcoxon dscf ;
    class fertilizer;
    vargrowth ;
run ;

Stap 3: Interpreteer de resultaten

De eerste tabel met het resultaat toont de algemene Chi-kwadraat-teststatistiek en de overeenkomstige p-waarde voor de Kruskal-Wallis-test:

De p-waarde van de test is 0,0431 . Omdat deze waarde kleiner is dan 0,05, verwerpen we de nulhypothese dat de gemiddelde plantengroei voor alle drie de meststoffen hetzelfde is.

Dit betekent dat we voldoende bewijs hebben om te concluderen dat het gebruikte type meststof statistisch significante verschillen in plantengroei veroorzaakt.

De uiteindelijke resultatentabel toont de p-waarden voor de paarsgewijze vergelijkingen tussen elk van de drie groepen:

Uit deze tabel kunnen we zien dat de enige p-waarde onder de 0,05 de vergelijking is tussen meststof 2 en meststof 3, die een p-waarde van 0,0390 heeft.

Dit betekent dat er een statistisch significant verschil in plantengroei bestaat tussen meststof 2 en meststof 3, maar niet tussen de andere paarsgewijze vergelijkingen.

Aanvullende bronnen

In de volgende zelfstudies wordt uitgelegd hoe u andere algemene statistische tests in SAS kunt uitvoeren:

Hoe u een t-test met één monster uitvoert in SAS
Hoe u een t-test met twee steekproeven uitvoert in SAS
Eenrichtings-ANOVA uitvoeren in SAS
Hoe u tweerichtings-ANOVA uitvoert in SAS