Kruskal Wallisov test iz statistike
Kruskal-Wallisov test je neparametrična statistična metoda, ki se uporablja za primerjavo razlik med tremi ali več skupinami. V mnogih študijah želijo raziskovalci pogosto ugotoviti, ali ima več skupin bistveno različne vrednosti za določeno spremenljivko. Če podatki izpolnjujejo predpostavki normalnosti in homogenosti variance, je enosmerni ANOVA test običajno prva izbira. Kadar pa te predpostavke niso izpolnjene – na primer, če podatki niso normalno porazdeljeni, če obstajajo ekstremni izstopajoči podatki ali če je merska lestvica ordinalna – je Kruskal-Wallisov test močna in široko uporabljena alternativa.
Definicija in osnovni pojmi
Kruskal-Wallisov test (pogosto zapisan kot Kruskal-Wallisov H test) je razširitev Mann-Whitneyjevega U testa, ki ga razširja na več kot dve skupini. Njegovo osnovno načelo je primerjava "rangov" podatkov, ne dejanskih vrednosti. Ker temelji na rangih, ta test ne zahteva normalne porazdelitve in je relativno odporen na vpliv izstopajočih vrednosti.
Intuitivno je, da če ima več skupin enako porazdelitev, se bodo rangiranja podatkov med skupinami naključno mešala. Nasprotno pa, če imajo nekatere skupine višje ali nižje vrednosti, se bodo rangiranja združila in ustvarila večjo testno statistiko.
Kdaj se uporablja Kruskal-Wallisov test?
Kruskal-Wallisov test se uporablja, kadar:
1. Število skupin je ≥ 3 in raziskovalec želi primerjati razlike v centralni lokaciji (običajno mediana) med skupinami.
2. Podatki ne izpolnjujejo predpostavk ANOVA, zlasti ne normalnosti ostankov.
3. Ordinalne podatkovne lestvice (npr. ocene zadovoljstva: od zelo nezadovoljnega do zelo zadovoljnega) ali nenormalni intervalni/razmerni podatki.
4. Neodvisni vzorci, kar pomeni, da člani ene skupine niso seznanjeni ali povezani z drugimi skupinami.
Primer: raziskovalec želi primerjati stopnjo zadovoljstva pacientov s storitvami v treh različnih bolnišnicah z uporabo Likertove lestvice od 1 do 5. Ker so podatki ordinalni, je Kruskal-Wallisova lestvica ustrezna izbira.
Predpostavke Kruskal Wallisovega testa
Čeprav ni parametričen, ima Kruskal Wallis še vedno več pomembnih predpostavk:
1. Neodvisnost opazovanja: podatki v vsaki skupini morajo prihajati od različnih posameznikov.
2. Odzivna spremenljivka mora biti vsaj ordinalna: podatki morajo biti razvrščljivi.
3. Oblike porazdelitve med skupinami morajo biti podobne: če se oblike porazdelitve zelo razlikujejo, je lahko interpretacija razlik bolj zapletena. Ta preizkus se pogosto interpretira kot razlika v medianih, vendar je interpretacija mediane najprimernejša, če so oblike porazdelitve podobne.
Hipoteza v Kruskal-Wallisovem testu
V Kruskal-Wallisovem testu se preizkuša naslednja hipoteza:
– H0 (ničelna hipoteza): porazdelitev (ali mediana) vseh skupin je enaka.
– H1 (alternativna hipoteza): obstaja vsaj ena skupina, katere porazdelitev (ali mediana) je drugačna.
Treba je opozoriti, da Kruskal-Wallisov test v primeru zavrnitve H0 preprosto navede »obstaja razlika«, vendar ne navede, katere skupine so različne. To zahteva nadaljnje testiranje (post-hoc).
Koraki izračuna
Če povzamemo, so koraki Kruskal-Wallisovega testa naslednji:
1. Združite vse podatke iz vseh skupin.
2. Razvrstite od najmanjše do največje vrednosti. Če so izenačenja, uporabite povprečno uvrstitev.
3. Seštejte uvrstitve v vsaki skupini.
4. Izračunajte testno statistiko H.
Splošna statistična formula za H je:
\[
H = 12/N(N+1) √(i=1 k) √(Ri^2) √n_i) – 3/N+1
\]
Informacije:
– \(N\) = vsota vseh opazovanj
– \(k\) = število skupin
– \(n_i\) = število opazovanj v i-ti skupini
– \(R_i\) = število rangov v i-ti skupini
Vrednost H se nato primerja s hi-kvadrat porazdelitvijo (\(\chi^2\)) s \(k-1\) stopnjami svobode. Če je p-vrednost manjša od stopnje pomembnosti (npr. 0,05), se H0 zavrne.
Ilustrativni primer
Recimo, da predavatelj želi vedeti, ali obstaja razlika v statističnih rezultatih testov med tremi učnimi metodami: A, B in C. Po zbiranju podatkov se izkaže, da rezultati niso normalno porazdeljeni, ker obstaja več ekstremnih vrednosti. Predavatelj nato uporabi Kruskal-Wallisov test.
Če rezultati testa pokažejo p-vrednost 0,01 (manj kot 0,05), se sklepa, da obstaja pomembna razlika med vsaj dvema učnima metodama. Vendar predavatelj še ne ve, ali je metoda A boljša od B ali C. Tukaj je potrebna naknadna analiza.
Post-hoc test po Kruskalu Wallisu
Če je Kruskal-Wallisov test statistično pomemben, je naslednji korak izvedba parnih primerjav. Nekatere pogoste metode so:
1. Dunnov test: najpogosteje se uporablja za post-hoc Kruskal Wallis.
2. Parni Mann-Whitneyjev model s korekcijo (Bonferroni, Holm ali Benjamini-Hochberg) za kontrolo napak zaradi ponavljajočega se testiranja.
Namen tega popravka je preprečiti povečanje možnosti napake tipa I (navedba razlike, kadar razlike ni) zaradi številnih primerjav.
Velikost učinka
Poleg pomembnosti številne sodobne študije poudarjajo tudi velikost učinkov, da bi bralcem pomagale razumeti obseg razlike. Nekatere velikosti učinkov, ki jih pogosto povezujemo z modelom Kruskal-Wallis, vključujejo:
– Eta-kvadrat na osnovi H (η²):
\[
\eta^2 = \frac{H – k + 1}{N – k}
\]
– Epsilon-kvadrat (ε²) kot bolj konzervativna alternativa.
Velikosti učinkov pomagajo razložiti, ali je razlika majhna, srednja ali velika, ne le »pomembna ali ne«.
Prednosti in omejitve
Presežek
1. Ne zahteva predpostavke normalnosti.
2. Primerno za ordinalne podatke.
3. Bolj robustne proti izstopajočim vrednostim kot parametrične metode.
Omejitve
1. Ne prikazuje, katere skupine se razlikujejo brez naknadne analize.
2. Interpretacija kot razlika v medianih je najbolj veljavna, če je oblika porazdelitve skupin podobna.
3. Če so dejanski podatki normalni in homogeni, je lahko ANOVA močnejša (večja moč).
Zapiranje
Kruskal-Wallisov test je pomembno orodje v inferenčni statistiki, zlasti kadar raziskovalci obravnavajo podatke, ki ne izpolnjujejo predpostavk parametričnih metod. S svojim pristopom, ki temelji na rangih, ta test omogoča bolj fleksibilne primerjave treh ali več skupin, zlasti za ordinalne ali nenormalne podatke. Vendar pa njegova uporaba še vedno zahteva razumevanje predpostavk, interpretacijo rezultatov in potrebo po post-hoc analizi za identifikacijo resnično različnih parov skupin. Z združevanjem p-vrednosti, velikosti učinkov in ustrezne nadaljnje analize lahko Kruskal-Wallisov test zagotovi robustne in ustrezne zaključke na različnih raziskovalnih področjih, od zdravstva in izobraževanja do poslovnih ved in družboslovja.
