Testo de Kruskal-Wallis en Statistiko
La Kruskal-Wallis-testo estas neparametra statistika metodo uzata por kompari diferencojn inter tri aŭ pli da grupoj. En multaj studoj, esploristoj ofte volas determini ĉu pluraj grupoj havas signife malsamajn valorojn por specifa variablo. Se la datumoj plenumas la supozojn de normaleco kaj homogeneco de varianco, la unudirekta ANOVA-testo kutime estas la unua elekto. Tamen, kiam ĉi tiuj supozoj ne estas plenumitaj - ekzemple, la datumoj ne estas normale distribuitaj, ekzistas ekstremaj outlier-oj, aŭ la mezurskalo estas orda - la Kruskal-Wallis-testo estas potenca kaj vaste uzata alternativo.
Difino kaj Bazaj Konceptoj
La testo de Kruskal–Wallis (ofte skribita kiel la testo H de Kruskal–Wallis) estas etendaĵo de la testo U de Mann–Whitney, etendante ĝin al pli ol du grupoj. Ĝia baza principo estas kompari la "rangojn" de la datumoj, ne la faktajn valorojn. Ĉar ĝi estas bazita sur rangoj, ĉi tiu testo ne postulas normalan distribuon kaj estas relative rezistema al la influo de outlier-oj.
Intuicie, se pluraj grupoj havas la saman distribuon, la datenrangoj tra la grupoj estos hazarde miksitaj. Male, se iuj grupoj emas havi pli altajn aŭ pli malaltajn valorojn, la rangoj grupiĝos kaj produktos pli grandan teststatistikon.
Kiam oni uzas la teston de Kruskal-Wallis?
La testo de Kruskal-Wallis estas uzata kiam:
1. La nombro de grupoj estas ≥ 3, kaj la esploristo volas kompari la diferencojn en centra loko (kutime la mediano) inter la grupoj.
2. La datumoj ne plenumas la supozojn de ANOVA, precipe la normalecon de la restaĵoj.
3. Ordinaraj datenskaloj (ekz. kontentecpoentaroj: tre malkontenta ĝis tre kontenta) aŭ nenormalaj intervalaj/proporciaj datumoj.
4. Sendependaj specimenoj, signifante ke membroj de unu grupo ne estas parigitaj aŭ parencaj al aliaj grupoj.
Ekzemplo: esploristo volas kompari la nivelojn de pacienca kontenteco rilate al servoj en tri malsamaj hospitaloj uzante Likert-skalon de 1-5. Ĉar la datumoj estas orda, la Kruskal-Wallis-skalo estas taŭga elekto.
Kruskal-Wallis-testaj supozoj
Kvankam neparametra, la Kruskal Wallis ankoraŭ havas plurajn gravajn supozojn:
1. Sendependeco de observado: datumoj en ĉiu grupo devas veni de malsamaj individuoj.
2. La respondvariablo devas esti almenaŭ orda: la datumoj devas esti ordigeblaj.
3. La distribuaj formoj inter grupoj devus esti similaj: se la distribuaj formoj estas tre malsamaj, interpreti la diferencojn povas esti pli kompleksa. Ĉi tiu testo ofte estas interpretata kiel diferenco en medianoj, sed la mediana interpreto estas plej taŭga se la distribuaj formoj estas similaj.
Hipotezo en la Kruskal-Wallis-testo
En la testo de Kruskal-Wallis, la hipotezo testata estas:
– H0 (nula hipotezo): la distribuo (aŭ mediano) de ĉiuj grupoj estas la sama.
– H1 (alternativa hipotezo): ekzistas almenaŭ unu grupo, kies distribuo (aŭ mediano) estas malsama.
Notindas, ke kiam H0 estas malakceptita, la Kruskal-Wallis-testo simple deklaras "ekzistas diferenco", sed ne specifas, kiuj grupoj estas malsamaj. Tio postulas plian testadon (post-hoc).
Kalkulaj Paŝoj
Resumante, la paŝoj de la Kruskal Wallis-testo estas:
1. Kombinu ĉiujn datumojn el ĉiuj grupoj.
2. Ordigu de la plej malgranda ĝis la plej granda valoro. Se estas egalecoj, uzu la mezan rangon.
3. Sumigu la rangojn en ĉiu grupo.
4. Kalkulu la teststatistikon H.
La ĝenerala H-statistika formulo estas:
\[
H = ∫12}{N(N+1)} ∫i=1k ∫R₁²}{n₁ – 3(N+1)
\]
Informoj:
– \(N\) = sumo de ĉiuj observoj
– \(k\) = nombro de grupoj
– \(n_i\) = nombro da observoj en la i-a grupo
– \(R_i\) = nombro da rangoj en la i-a grupo
La H-valoro estas poste komparata kun la ĥi-kvadrata distribuo (\(\chi^2\)) kun \(k-1\) gradoj da libereco. Se la p-valoro estas pli malgranda ol la signifnivelo (ekz., 0,05), tiam H0 estas malakceptita.
Ilustra Ekzemplo
Supozu, ke preleganto volas scii ĉu ekzistas diferenco en statistikaj testrezultoj tra tri lernadometodoj: A, B kaj C. Post kolektado de la datumoj, montriĝas, ke la rezultoj ne estas normale distribuitaj ĉar ekzistas pluraj ekstremaj valoroj. La preleganto tiam uzas la teston de Kruskal-Wallis.
Se la testrezultoj montras p-valoron de 0,01 (malpli ol 0,05), tiam oni konkludas, ke ekzistas signifa diferenco inter almenaŭ du lernmetodoj. Tamen, la preleganto ankoraŭ ne scias, ĉu metodo A estas pli bona ol B aŭ C. Jen kie necesas post-hoc analizo.
Post-hoc testo post Kruskal Wallis
Se la Kruskal-Wallis-testo estas signifa, la sekva paŝo estas fari parajn komparojn. Jen kelkaj komunaj metodoj:
1. Testo de Dunn: plej ofte uzata por post-hoc Kruskal Wallis.
2. Para Mann–Whitney kun korekto (Bonferroni, Holm, aŭ Benjamini-Hochberg) por kontroli erarojn pro ripeta testado.
La celo de ĉi tiu korekto estas malhelpi pliiĝon de la ŝanco de tipo I eraro (deklaro de diferenco kiam ne estas diferenco) pro farado de multaj komparoj.
Efikgrandeco
Aldone al signifo, multaj modernaj studoj emfazas efikograndecojn por helpi legantojn kompreni la grandecon de la diferenco. Kelkaj efikograndecoj ofte asociitaj kun la modelo de Kruskal-Wallis inkluzivas:
– H-bazita Eta-kvadrato (η²):
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Epsilono-kvadrato (ε²) kiel pli konservativa alternativo.
Efikampleksoj helpas interpreti ĉu la diferenco estas malgranda, meza aŭ granda, ne nur "signifa aŭ ne".
Avantaĝoj kaj Limigoj
Troo
1. Ne postulas la supozon de normaleco.
2. Taŭga por ordinaraj datumoj.
3. Pli fortika kontraŭ outlier-oj ol parametrikaj metodoj.
Limigoj
1. Ne montras, kiuj grupoj estas malsamaj sen post-hoc analizo.
2. Interpreto kiel diferenco en medianoj estas plej valida se la distribuoformo de la grupoj estas simila.
3. Se la faktaj datumoj estas normalaj kaj homogenaj, ANOVA povas esti pli potenca (pli alta potenco).
Fermo
La testo de Kruskal-Wallis estas grava ilo en inferenca statistiko, precipe kiam esploristoj traktas datumojn, kiuj ne plenumas la supozojn de parametrikaj metodoj. Kun sia rango-bazita aliro, ĉi tiu testo permesas pli flekseblajn komparojn de tri aŭ pli da grupoj, precipe por ordinaraj aŭ nenormalaj datumoj. Tamen, ĝia uzo ankoraŭ postulas komprenon de la supozoj, interpreton de la rezultoj, kaj la bezonon de post-hoc analizo por identigi vere malsamajn parojn de grupoj. Kombinante p-valorojn, efikograndecojn, kaj taŭgan plian analizon, la testo de Kruskal-Wallis povas provizi fortikajn kaj gravajn konkludojn en diversaj esplorkampoj, de sano kaj edukado ĝis komerco kaj sociaj sciencoj.
