[R] Kruskal Wallis test, 크루스칼 왈리스 검정

크루스칼 왈리스 검정은

ANOVA의 가정 중에서 정규성 가정이 만족되지 않을 때 사용하는 비모수 검정이다.

 

비모수 검정답게 가정은 훨씬 간단하다.

1. 표본은 독립적이어야 한다.

2. 측정값은 최소 순서형 변수여야 한다.

 

가설에서도 약간의 변화가 있다.

평균을 비교하는 ANOVA와 달리 중앙값을 비교하게 된다.

- 귀무 가설 : 모든 그룹의 중앙값은 같다.

- 대립 가설 : 모든 그룹의 중앙값이 같은 것은 아니다.

---

# 데이터 불러오기
sample = read.csv("F:/Sw-tastics/Statistics Analysis/example/07. ANOVA.csv", header = T)
table(sample$group)
boxplot(data = sample,
        time ~ group)

# Kruskal Wallis test
model = kruskal.test(time ~ group, data = sample)
model

# post-hoc analysis
library(dunn.test)
dunn.test(sample$time, sample$group, method = "bonferroni")

https://sw-tatistics.tistory.com/31

[R] Analysis of Variance(ANOVA), 분산 분석

이전 포스팅인 ANOVA에서의 동일한 파일로 진행한다.

 

실제로는 정규성을 만족하는 데이터지만,

정규성을 만족하지 않는다고 하고 진행해보자.

 

표본은 독립적이라고 하자.

측정값은 시간이기 때문에 가정 (2)도 만족하게 된다.

 

이처럼 비모수 검정은 가정을 충족시키기가 매우 쉽다...

 

# Kruskal Wallis test
model = kruskal.test(time ~ group, data = sample)
model

p-value가 매우 작으므로 귀무가설을 기각한다.

따라서, 이 중 적어도 하나의 그룹은 중앙값이 다르다는 것.

ANOVA와 마찬가지로 사후 검정을 해보자.

 

# post-hoc analysis
library(dunn.test)
dunn.test(sample$time, sample$group, method = "bonferroni")

이번엔 dunn's test로 사후 검정을 진행하였다.

사후 검정의 종류는 매우 많기 때문에 각각의 특징을 확인을 해보는 것이 좋다.

 

결과는 직관적으로 해석하면 된다.

A와 B는 큰 차이가 없고,  A와 C, B와 C는 차이가 있다.

아래는 dunn.test 함수에 관한 문서이다.

https://www.rdocumentation.org/packages/dunn.test/versions/1.3.5/topics/dunn.test

dunn.test function - RDocumentation

 

ANOVA의 비모수 버젼이라고 볼 수 있는데,

그래서 그런지 전체적인 프로세스는 비슷하다는 것을 확인할 수 있다.