Wenn das Modell die ANOVA-Annahmen nicht erfüllt (insbesondere die Normalität), wird in einer Richtung der nicht-parametrische Kruskal-Wallis-Test empfohlen. Aber was ist, wenn Sie mehrere Faktoren haben?
quelle
Wenn das Modell die ANOVA-Annahmen nicht erfüllt (insbesondere die Normalität), wird in einer Richtung der nicht-parametrische Kruskal-Wallis-Test empfohlen. Aber was ist, wenn Sie mehrere Faktoren haben?
Sie können einen Permutationstest verwenden.
Bilden Sie Ihre Hypothese als vollständigen und reduzierten Modelltest und berechnen Sie anhand der Originaldaten die F-Statistik für den vollständigen und reduzierten Modelltest (oder einen anderen relevanten Status).
Berechnen Sie nun die angepassten Werte und Residuen für das reduzierte Modell, permutieren Sie die Residuen zufällig und addieren Sie sie wieder zu den angepassten Werten. Führen Sie nun den vollständigen und reduzierten Test für den permutierten Datensatz durch und speichern Sie die F-Statistik (oder eine andere). Wiederholen Sie dies viele Male (wie 1999).
Der p-Wert ist dann der Anteil der Statistiken, der größer oder gleich der ursprünglichen Statistik ist.
Dies kann verwendet werden, um Interaktionen oder Gruppen von Begriffen einschließlich Interaktionen zu testen.
Der Kruskal-Wallis-Test ist ein Sonderfall des Proportional-Odds-Modells. Mit dem Proportional-Odds-Modell können Sie mehrere Faktoren modellieren, Kovariaten ausgleichen usw.
quelle
Friedmans Test liefert ein nicht parametrisches Äquivalent zu einer Einweg-ANOVA mit einem Blockierungsfaktor, kann jedoch nichts Komplexeres tun.
quelle