วิธีทำการทดสอบของ dunn ใน python

การ ทดสอบครัสคัล-วาลลิส ใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่ามัธยฐานของกลุ่มอิสระตั้งแต่ 3 กลุ่มขึ้นไปหรือไม่ ถือว่าเทียบเท่าแบบไม่มีพารามิเตอร์ของ การวิเคราะห์ความแปรปรวนแบบทางเดียว

หากผลลัพธ์ของการทดสอบครัสคัล-วาลลิสมีนัยสำคัญทางสถิติ ก็ควรทำการ ทดสอบ Dunn เพื่อระบุอย่างชัดเจนว่ากลุ่มใดมีความแตกต่างกัน

บทช่วยสอนนี้จะอธิบายวิธีการทดสอบของ Dunn ใน Python

ตัวอย่าง: การทดสอบ Dunn ใน Python

นักวิจัยต้องการทราบว่าปุ๋ยสามชนิดที่แตกต่างกันนำไปสู่การเจริญเติบโตของพืชในระดับที่แตกต่างกันหรือไม่ พวกเขาสุ่มเลือกพืชที่แตกต่างกัน 30 ต้นและแบ่งออกเป็นสามกลุ่ม กลุ่มละ 10 ต้น โดยใช้ปุ๋ยที่แตกต่างกันในแต่ละกลุ่ม หลังจากผ่านไปหนึ่งเดือน พวกเขาจะวัดความสูงของต้นแต่ละต้น

หลังจากทำการทดสอบครัสคัล-วาลลิส พวกเขาพบว่าค่า p-value โดยรวมมีนัยสำคัญทางสถิติ ซึ่งหมายความว่าค่ามัธยฐานการเติบโตไม่เท่ากันในทั้งสามกลุ่ม จากนั้นพวกเขาก็ทำการทดสอบของ Dunn เพื่อระบุอย่างชัดเจนว่ากลุ่มใดมีความแตกต่างกัน

ในการทำการทดสอบ Dunn ใน Python เราสามารถใช้ฟังก์ชัน posthoc_dunn() จากไลบรารี scikit-posthocs

รหัสต่อไปนี้แสดงวิธีใช้ฟังก์ชันนี้:

ขั้นตอนที่ 1: ติดตั้ง scikit-posthocs

ก่อนอื่นเราต้องติดตั้งไลบรารี่ scikit-posthocs:

 pip install scikit-posthocs

ขั้นตอนที่ 2: ทำการทดสอบของ Dunn

จากนั้นเราสามารถสร้างข้อมูลและทำการทดสอบ Dunn:

 #specify the growth of the 10 plants in each group
group1 = [7, 14, 14, 13, 12, 9, 6, 14, 12, 8]
group2 = [15, 17, 13, 15, 15, 13, 9, 12, 10, 8]
group3 = [6, 8, 8, 9, 5, 14, 13, 8, 10, 9]
data = [group1, group2, group3]

#perform Dunn's test using a Bonferonni correction for the p-values
import scikit_posthocs as sp
sp. posthoc_dunn (data, p_adjust = ' bonferroni ')

               1 2 3
1 1.000000 0.550846 0.718451
2 0.550846 1.000000 0.036633
3 0.718451 0.036633 1.000000

โปรดทราบว่าเราเลือกที่จะใช้การแก้ไข Bonferroni สำหรับค่า p เพื่อควบคุม อัตราข้อผิดพลาดแบบครอบครัว แต่ตัวเลือกที่เป็นไปได้อื่น ๆ สำหรับอาร์กิวเมนต์ p_adjust ได้แก่:

• ซิดัค
• โฮล์ม-ซิดัก
• ซิเมส โฮชเบิร์ก
• แมนล์
• fdr_bh
• fdr_by
• fdr_tsbh

โปรดดู เอกสารประกอบ สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับวิธีการปรับค่า p เหล่านี้แต่ละวิธี

ขั้นตอนที่ 3: ตีความผลลัพธ์

จากผลการทดสอบของ Dunn เราสามารถสังเกตได้ดังนี้:

• ค่า p ที่ปรับแล้วสำหรับความแตกต่างระหว่างกลุ่ม 1 และกลุ่ม 2 คือ 0.550846
• ค่า p ที่ปรับแล้วสำหรับความแตกต่างระหว่างกลุ่มที่ 1 และกลุ่มที่ 3 คือ 0.718451
• ค่า p ที่ปรับแล้วสำหรับความแตกต่างระหว่างกลุ่ม 2 และกลุ่ม 3 คือ 0.036633

ดังนั้น สองกลุ่มเท่านั้นที่แตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ α = 0.05 คือกลุ่ม 2 และ 3

แหล่งข้อมูลเพิ่มเติม

ข้อมูลเบื้องต้นเกี่ยวกับการทดสอบ Dunn สำหรับการเปรียบเทียบหลายรายการ
วิธีทำการทดสอบของ Dunn ใน R