Como realizar o teste de dunn em r

Umteste de Kruskal-Wallis é usado para determinar se existe ou não uma diferença estatisticamente significativa entre as medianas de três ou mais grupos independentes. É considerado o equivalente não paramétrico da ANOVA unidirecional .

Se os resultados de um teste de Kruskal-Wallis forem estatisticamente significativos, então é apropriado realizar o teste de Dunn para determinar exatamente quais grupos são diferentes.

Este tutorial explica como realizar o teste de Dunn em R.

Exemplo: teste de Dunn em R

Um pesquisador quer saber se três medicamentos têm efeitos diferentes na dor nas costas. Então, ele recruta 30 pessoas que sofrem de dores nas costas semelhantes e as divide aleatoriamente em três grupos para receber o medicamento A, o medicamento B ou o medicamento C. Um mês depois de tomar o medicamento, o pesquisador pede a cada indivíduo que avalie sua dor nas costas. uma escala de 1 a 100, sendo 100 indicando a dor mais intensa.

O pesquisador realiza um teste de Kruskal-Wallis usando um nível de significância de 0,05 para determinar se há uma diferença estatisticamente significativa entre as classificações medianas de dor nas costas nesses três grupos.

O código a seguir mostra como criar o quadro de dados em R e realizar um teste de Kruskal-Wallis:

 #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

Como o valor p geral ( 0,003879 ) é inferior a 0,05, isso significa que há uma diferença estatisticamente significativa nos níveis de dor relatados entre os três medicamentos. Assim, podemos realizar o teste de Dunn para determinar exatamente quais medicamentos são diferentes.

O código a seguir mostra como realizar o teste Dunn em R usando a função dunnTest() da biblioteca FSA() :

 #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

Observe que optamos por usar uma correção de Bonferroni para os valores p de comparações múltiplas, mas outras opções possíveis incluem:

• “sidak” (ajuste Sidak)
• “holm” (ajuste de holm)
• “hs” (ajuste de Holm-Sidak)
• “bs” (ajuste Bonferroni-Sidak)
• “por” (ajuste de Benjamin-Yekuteili)
• “bh” ( procedimento de Benjamini-Hochberg )

Em α = 0,05, os medicamentos A e C são os únicos dois medicamentos que são estatisticamente significativamente diferentes entre si (valor de p ajustado = 0,003768 ).