Kruskal Wallisov test iz statistike
Kruskal-Wallisov test je neparametrijska statistička metoda koja se koristi za poređenje razlika između tri ili više grupa. U mnogim studijama, istraživači često žele utvrditi da li nekoliko grupa ima značajno različite vrijednosti za određenu varijablu. Ako podaci ispunjavaju pretpostavke normalnosti i homogenosti varijanse, jednosmjerni ANOVA test je obično prvi izbor. Međutim, kada ove pretpostavke nisu ispunjene - na primjer, podaci nisu normalno distribuirani, postoje ekstremne vrijednosti ili je skala mjerenja ordinalna - Kruskal-Wallisov test je moćna i široko korištena alternativa.
Definicija i osnovni koncepti
Kruskal-Wallisov test (često napisan kao Kruskal-Wallisov H test) je proširenje Mann-Whitneyjevog U testa, proširujući ga na više od dvije grupe. Njegov osnovni princip je poređenje "rangova" podataka, a ne stvarnih vrijednosti. Budući da je zasnovan na rangu, ovaj test ne zahtijeva normalnu distribuciju i relativno je otporan na utjecaj ekstremnih vrijednosti.
Intuitivno, ako nekoliko grupa ima istu distribuciju, rangovi podataka u grupama će biti nasumično pomiješani. Suprotno tome, ako neke grupe imaju tendenciju da imaju više ili niže vrijednosti, rangovi će se grupirati i proizvesti veću testnu statistiku.
Kada se koristi Kruskal-Wallisov test?
Kruskal-Wallisov test se koristi kada:
1. Broj grupa je ≥ 3, a istraživač želi uporediti razlike u centralnoj lokaciji (obično medijana) između grupa.
2. Podaci ne ispunjavaju pretpostavke ANOVA-e, posebno normalnost reziduala.
3. Ordinalne skale podataka (npr. ocjene zadovoljstva: od vrlo nezadovoljnog do vrlo zadovoljnog) ili podaci o intervalima/omjerima koji nisu normalni.
4. Nezavisni uzorci, što znači da članovi jedne grupe nisu upareni ili povezani s drugim grupama.
Primjer: istraživač želi uporediti nivo zadovoljstva pacijenata uslugama u tri različite bolnice koristeći Likertovu skalu od 1 do 5. Budući da su podaci ordinalni, Kruskal Wallis skala je odgovarajući izbor.
Pretpostavke Kruskal Wallisovog testa
Iako nije parametrijski, Kruskal Wallisov model ipak ima nekoliko važnih pretpostavki:
1. Nezavisnost posmatranja: podaci u svakoj grupi moraju dolaziti od različitih pojedinaca.
2. Varijabla odgovora mora biti barem ordinalna: podaci moraju biti sortabilni.
3. Oblici distribucije između grupa trebaju biti slični: ako su oblici distribucije vrlo različiti, tumačenje razlika može biti složenije. Ovaj test se često tumači kao razlika u medijanama, ali je tumačenje medijane najprikladnije ako su oblici distribucije slični.
Hipoteza u Kruskal-Wallisovom testu
U Kruskal Wallisovom testu, hipoteza koja se testira je:
– H0 (nulta hipoteza): distribucija (ili medijana) svih grupa je ista.
– H1 (alternativna hipoteza): postoji barem jedna grupa čija je distribucija (ili medijana) drugačija.
Treba napomenuti da kada se H0 odbaci, Kruskal-Wallisov test jednostavno navodi da "postoji razlika", ali ne precizira koje su grupe različite. Ovo zahtijeva daljnje testiranje (post-hoc).
Koraci izračuna
Ukratko, koraci Kruskal Wallisovog testa su sljedeći:
1. Kombinujte sve podatke iz svih grupa.
2. Rangirajte od najmanje do najveće vrijednosti. Ako postoje izjednačene vrijednosti, koristite prosječni rang.
3. Saberite rangiranje u svakoj grupi.
4. Izračunajte testnu statistiku H.
Opšta statistička formula za H je:
\[
H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]
Informacije:
– \(N\) = ukupan broj svih opažanja
– \(k\) = broj grupa
– \(n_i\) = broj opservacija u i-toj grupi
– \(R_i\) = broj rangova u i-toj grupi
H vrijednost se zatim poredi sa hi-kvadrat distribucijom (\(\chi^2\)) sa \(k-1\) stepeni slobode. Ako je p-vrijednost manja od nivoa značajnosti (npr. 0,05), tada se H0 odbacuje.
Ilustrativni primjer
Pretpostavimo da predavač želi znati postoji li razlika u statističkim rezultatima testova između tri metode učenja: A, B i C. Nakon prikupljanja podataka, ispostavi se da rezultati nisu normalno distribuirani jer postoji nekoliko ekstremnih vrijednosti. Predavač zatim koristi Kruskal-Wallisov test.
Ako rezultati testa pokažu p-vrijednost od 0,01 (manje od 0,05), tada se zaključuje da postoji značajna razlika između najmanje dvije metode učenja. Međutim, predavač još ne zna da li je metoda A bolja od B ili C. Ovdje je potrebna post-hoc analiza.
Post-hoc test nakon Kruskala Wallisa
Ako je Kruskal-Wallisov test značajan, sljedeći korak je izvođenje parnih poređenja. Neke uobičajene metode su:
1. Dunnov test: najčešće se koristi za post-hoc Kruskal Wallis test.
2. Parni Mann-Whitneyjev model s korekcijom (Bonferroni, Holm ili Benjamini-Hochberg) za kontrolu grešaka uzrokovanih ponovljenim testiranjem.
Svrha ove korekcije je spriječiti povećanje vjerovatnoće greške tipa I (navođenje razlike kada nema razlike) zbog vršenja mnogo poređenja.
Veličina efekta
Pored značaja, mnoge moderne studije naglašavaju veličine efekata kako bi pomogle čitaocima da shvate magnitudu razlike. Neke veličine efekata koje se često povezuju s Kruskal-Wallisovim modelom uključuju:
– Eta-kvadrat (η²) baziran na H:
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Epsilon-kvadrat (ε²) kao konzervativnija alternativa.
Veličine efekata pomažu u tumačenju da li je razlika mala, srednja ili velika, a ne samo „značajna ili ne“.
Prednosti i ograničenja
Višak
1. Ne zahtijeva pretpostavku normalnosti.
2. Pogodno za ordinalne podatke.
3. Otpornije na ekstremne vrijednosti od parametarskih metoda.
Ograničenja
1. Ne pokazuje koje su grupe različite bez post-hoc analize.
2. Interpretacija kao razlike u medijanama je najvalidnija ako je oblik distribucije grupa sličan.
3. Ako su stvarni podaci normalni i homogeni, ANOVA može biti snažnija (veće snage).
Zatvaranje
Kruskal-Wallisov test je važan alat u inferencijalnoj statistici, posebno kada istraživači rade s podacima koji ne ispunjavaju pretpostavke parametarskih metoda. Svojim pristupom zasnovanim na rangu, ovaj test omogućava fleksibilnije poređenje tri ili više grupa, posebno za ordinalne ili nenormalne podatke. Međutim, njegova upotreba i dalje zahtijeva razumijevanje pretpostavki, tumačenje rezultata i potrebu za post-hoc analizom kako bi se identificirali zaista različiti parovi grupa. Kombiniranjem p-vrijednosti, veličina efekata i odgovarajuće daljnje analize, Kruskal-Wallisov test može pružiti robusne i relevantne zaključke u različitim istraživačkim oblastima, od zdravstva i obrazovanja do poslovanja i društvenih nauka.
