Kruskal Wallisov test iz statistike
Kruskal-Wallisov test je neparametrijska statistička metoda koja se koristi za usporedbu razlika između tri ili više skupina. U mnogim studijama istraživači često žele utvrditi ima li nekoliko skupina značajno različite vrijednosti za određenu varijablu. Ako podaci zadovoljavaju pretpostavke normalnosti i homogenosti varijance, jednosmjerni ANOVA test je obično prvi izbor. Međutim, kada te pretpostavke nisu ispunjene - na primjer, podaci nisu normalno distribuirani, postoje ekstremne vrijednosti ili je mjerna skala 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 skupine. Njegov osnovni princip je usporedba "rangova" podataka, a ne stvarnih vrijednosti. Budući da se temelji na rangu, ovaj test ne zahtijeva normalnu distribuciju i relativno je otporan na utjecaj outliera.
Intuitivno, ako nekoliko grupa ima istu distribuciju, rangovi podataka u grupama bit će nasumično pomiješani. Suprotno tome, ako neke grupe imaju tendenciju viših ili nižih 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 usporediti razlike u središnjoj lokaciji (obično medijanu) između grupa.
2. Podaci ne zadovoljavaju pretpostavke ANOVA-e, posebno normalnost reziduala.
3. Ordinalne ljestvice podataka (npr. ocjene zadovoljstva: od vrlo nezadovoljnog do vrlo zadovoljnog) ili podaci o intervalima/omjerima koji nisu normalni.
4. Neovisni uzorci, što znači da članovi jedne skupine nisu spareni ili povezani s drugim skupinama.
Primjer: istraživač želi usporediti razinu zadovoljstva pacijenata uslugama u tri različite bolnice koristeći Likertovu skalu od 1 do 5. Budući da su podaci ordinalni, Kruskal Wallis skala je prikladan izbor.
Pretpostavke Kruskal Wallisovog testa
Iako neparametrijski, Kruskal Wallisov model ipak ima nekoliko važnih pretpostavki:
1. Neovisnost promatranja: podaci u svakoj skupini moraju potjecati od različitih pojedinaca.
2. Varijabla odgovora mora biti barem ordinalna: podaci moraju biti sortabilni.
3. Oblici distribucije između skupina trebaju biti slični: ako su oblici distribucije vrlo različiti, tumačenje razlika može biti složenije. Ovaj test se često tumači kao razlika u medijanima, ali interpretacija medijana je najprikladnija ako su oblici distribucije slični.
Hipoteza u Kruskal-Wallisovom testu
U Kruskal-Wallisovom testu, hipoteza koja se testira je:
– H0 (nulta hipoteza): distribucija (ili medijan) svih skupina je ista.
– H1 (alternativna hipoteza): postoji barem jedna skupina čija je distribucija (ili medijan) drugačija.
Treba napomenuti da kada se H0 odbaci, Kruskal-Wallisov test jednostavno navodi "postoji razlika", ali ne specificira koje su skupine različite. To zahtijeva daljnje testiranje (post-hoc).
Koraci izračuna
Ukratko, koraci Kruskal-Wallisovog testa su:
1. Kombinirajte sve podatke iz svih grupa.
2. Rangirajte od najmanje do najveće vrijednosti. Ako postoje izjednačene vrijednosti, koristite prosječni rang.
3. Zbrojite rang-liste u svakoj skupini.
4. Izračunajte testnu statistiku H.
Opća statistička formula za H je:
\[
H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} – 3(N+1)
\]
Informacija:
– \(N\) = zbroj svih opažanja
– \(k\) = broj grupa
– \(n_i\) = broj opažanja u i-toj skupini
– \(R_i\) = broj rangova u i-toj skupini
Vrijednost H se zatim uspoređuje s hi-kvadrat distribucijom (\(\chi^2\)) s \(k-1\) stupnjeva slobode. Ako je p-vrijednost manja od razine 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, ispada da rezultati nisu normalno distribuirani jer postoji nekoliko ekstremnih vrijednosti. Predavač zatim koristi Kruskal-Wallisov test.
Ako rezultati testa pokazuju p-vrijednost od 0,01 (manje od 0,05), tada se zaključuje da postoji značajna razlika između barem dvije metode učenja. Međutim, predavač još ne zna je li 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 provođenje parnih usporedbi. Neke uobičajene metode su:
1. Dunnov test: najčešće se koristi za post-hoc Kruskal Wallis.
2. Parni Mann-Whitneyjev model s korekcijom (Bonferroni, Holm ili Benjamini-Hochberg) za kontrolu pogrešaka zbog ponovljenog testiranja.
Svrha ove korekcije je spriječiti povećanje vjerojatnosti pogreške tipa I (navođenje razlike kada nema razlike) zbog mnogo usporedbi.
Veličina efekta
Osim značajnosti, mnoge moderne studije naglašavaju veličine učinaka kako bi čitateljima pomogle da razumiju magnitudu razlike. Neke veličine učinaka 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 učinka pomažu u tumačenju je li razlika mala, srednja ili velika, a ne samo „značajna ili ne“.
Prednosti i ograničenja
Višak
1. Ne zahtijeva pretpostavku normalnosti.
2. Prikladno za ordinalne podatke.
3. Otpornije na ekstremne vrijednosti od parametarskih metoda.
Ograničenja
1. Ne pokazuje koje su skupine različite bez post-hoc analize.
2. Interpretacija kao razlike u medijanima je najvaljanija ako je oblik distribucije skupina sličan.
3. Ako su stvarni podaci normalni i homogeni, ANOVA može biti snažnija (veće snage).
Zatvaranje
Kruskal-Wallisov test važan je alat u inferencijalnoj statistici, posebno kada istraživači rade s podacima koji ne zadovoljavaju pretpostavke parametarskih metoda. Svojim pristupom temeljenim na rangovima, ovaj test omogućuje fleksibilnije usporedbe triju ili više skupina, 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 doista različiti parovi skupina. Kombiniranjem p-vrijednosti, veličina učinka i odgovarajuće daljnje analize, Kruskal-Wallisov test može pružiti robusne i relevantne zaključke u raznim istraživačkim područjima, od zdravstva i obrazovanja do poslovanja i društvenih znanosti.
