{"id":1048,"date":"2023-07-27T20:35:01","date_gmt":"2023-07-27T20:35:01","guid":{"rendered":"https:\/\/statorials.org\/pl\/test-dunnsa-w-r\/"},"modified":"2023-07-27T20:35:01","modified_gmt":"2023-07-27T20:35:01","slug":"test-dunnsa-w-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/pl\/test-dunnsa-w-r\/","title":{"rendered":"Jak wykona\u0107 test dunna w r"},"content":{"rendered":"

<\/p>\n

\n

Test Kruskala-Wallisa<\/a> s\u0142u\u017cy do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica mi\u0119dzy medianami trzech lub wi\u0119cej niezale\u017cnych grup. Uwa\u017ca si\u0119, \u017ce jest to nieparametryczny odpowiednik jednokierunkowej analizy wariancji ANOVA<\/a> .<\/span><\/p>\n

Je\u017celi wyniki testu Kruskala-Wallisa s\u0105 istotne statystycznie, w\u00f3wczas wskazane jest wykonanie testu Dunna<\/a> , aby dok\u0142adnie okre\u015bli\u0107, kt\u00f3re grupy si\u0119 r\u00f3\u017cni\u0105.<\/span><\/p>\n

W tym samouczku wyja\u015bniono, jak wykona\u0107 test Dunna w j\u0119zyku R.<\/span><\/p>\n

Przyk\u0142ad: test Dunna w R<\/strong><\/span><\/h3>\n

Badacz chce wiedzie\u0107, czy trzy leki maj\u0105 r\u00f3\u017cny wp\u0142yw na b\u00f3l plec\u00f3w. Rekrutuje wi\u0119c 30 os\u00f3b, wszystkie cierpi\u0105ce na podobny b\u00f3l plec\u00f3w, i losowo dzieli je na trzy grupy, aby otrzyma\u0142y lek A, lek B lub lek C. Miesi\u0105c po za\u017cyciu leku badacz prosi ka\u017cd\u0105 osob\u0119 o ocen\u0119 b\u00f3lu plec\u00f3w wed\u0142ug skala od 1 do 100, gdzie 100 oznacza najci\u0119\u017cszy b\u00f3l.<\/span><\/p>\n

Badacz przeprowadza test Kruskala-Wallisa, stosuj\u0105c poziom istotno\u015bci 0,05, aby okre\u015bli\u0107, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy median\u0105 ocen b\u00f3lu plec\u00f3w w tych trzech grupach.<\/span><\/p>\n

Poni\u017cszy kod pokazuje, jak utworzy\u0107 ramk\u0119 danych w R i wykona\u0107 test Kruskala-Wallisa:<\/span><\/p>\n

 #make this example reproducible\nset.seed(0)\n<\/span>\n#create data frame\ndata <- data.frame(drug = rep(c(\"A\", \"B\", \"C\"), each = 10),\n                   bread = c(runif(10, 40, 60),\n                            runif(10, 45, 65),\n                            runif(10, 55, 70)))<\/span>\n\n#view first six rows of data frame\nhead(data)\n<\/span>\n# drug pain\n#1 A 57.93394\n#2 A 45.31017\n#3 A 47.44248\n#4 A 51.45707\n#5 A 58.16416\n#6 A 44.03364\n\n#perform Kruskal-Wallis Test<\/span>\nkruskal.test(pain ~ drug, data = data)\n\n\tKruskal-Wallis rank sum test\n\ndata: pain by drug\nKruskal-Wallis chi-squared = 11.105, df = 2, p-value = 0.003879\n<\/span><\/span><\/strong><\/pre>\n
 Poniewa\u017c og\u00f3lna warto\u015b\u0107 p ( 0,003879<\/strong> ) jest mniejsza ni\u017c 0,05, oznacza to, \u017ce istnieje statystycznie istotna r\u00f3\u017cnica w zg\u0142aszanym poziomie b\u00f3lu pomi\u0119dzy trzema lekami. Mo\u017cemy wi\u0119c wykona\u0107 test Dunna, aby dok\u0142adnie okre\u015bli\u0107, kt\u00f3re leki si\u0119 r\u00f3\u017cni\u0105.<\/span><\/p>\n
 #loadlibrary\nlibrary(FSA)\n\n#perform Dunn's Test with Bonferroni correction for p-values<\/span>\ndunnTest(pain ~ drug,\n         data=data,\n         method=\" bonferroni<\/span> \")\n\nDunn (1964) Kruskal-Wallis multiple comparison\n  p-values adjusted with the Bonferroni method.\n\n  Comparison Z P.unadj P.adj\n1 A - B -0.8890009 0.374002602 1.000000000\n2 A - C -3.2258032 0.001256197 0.003768591\n3 B - C -2.3368023 0.019449464 0.058348393<\/span><\/span><\/strong><\/pre>\n
 Nale\u017cy pami\u0119ta\u0107, \u017ce zdecydowali\u015bmy si\u0119 zastosowa\u0107 poprawk\u0119 Bonferroniego dla warto\u015bci p wielokrotnych por\u00f3wna\u0144, ale inne mo\u017cliwe opcje obejmuj\u0105:<\/span><\/p>\n
 Poni\u017cszy kod pokazuje, jak wykona\u0107 test Dunna w R przy u\u017cyciu funkcji dunnTest()<\/a> z biblioteki FSA()<\/strong> :<\/span><\/p>\n