Se utiliza una prueba de Kruskal-Wallis para determinar si existe o no una diferencia estadísticamente significativa entre las medianas de tres o más grupos independientes. Se considera el equivalente no paramétrico del ANOVA de una vía .
Si los resultados de una prueba de Kruskal-Wallis son estadísticamente significativos, entonces es apropiado realizar la prueba de Dunn para determinar exactamente qué grupos son diferentes.
Este tutorial explica cómo realizar la prueba de Dunn en R.
Ejemplo: prueba de Dunn en R
Un investigador quiere saber si tres medicamentos tienen o no efectos diferentes sobre el dolor de espalda, por lo que recluta a 30 personas que experimentan un dolor de espalda similar y los divide al azar en tres grupos para recibir el medicamento A, el medicamento B o el medicamento C. Después un mes después de tomar el medicamento, el investigador le pide a cada individuo que califique su dolor de espalda en una escala de 1 a 100, donde 100 indica el dolor más severo.
El investigador realiza una prueba de Kruskal-Wallis usando un nivel de significancia de .05 para determinar si existe una diferencia estadísticamente significativa entre las calificaciones medianas de dolor de espalda en estos tres grupos.
El siguiente código muestra cómo crear el marco de datos en R y realizar una prueba de Kruskal-Wallis:
#Haga que este ejemplo sea reproducible
set.seed (0)
#create marco de datos
data <- data.frame (fármaco = rep (c ("A", "B", "C"), cada uno = 10),
dolor = c (runif (10, 40, 60),
runif (10, 45, 65),
runif (10, 55, 70)))
#ver las primeras seis filas del marco de datos
cabeza (datos)
# dolor por drogas
# 1 A 57.93394
# 2 A 45.31017
# 3 A 47.44248
# 4 A 51.45707
# 5 A 58.16416
N.º 6 A 44.03364
# realizar la prueba de Kruskal-Wallis
kruskal.test (dolor ~ fármaco, datos = datos)
Prueba de suma de rangos de Kruskal-Wallis
datos: dolor por droga
Chi-cuadrado de Kruskal-Wallis = 11,105, gl = 2, valor p = 0,003879
Dado que el valor de p general ( 0,003879 ) es inferior a 0,05, esto significa que hay una diferencia estadísticamente significativa entre los niveles de dolor informados entre los tres fármacos. Por lo tanto, podemos realizar la prueba de Dunn para determinar exactamente qué medicamentos son diferentes.
El siguiente código muestra cómo realizar la prueba de Dunn en R mediante la función dunnTest () de la biblioteca FSA () :
#cargar biblioteca de
biblioteca (FSA)
#realice la prueba de Dunn con la corrección de Bonferroni para valores p
dunnTest (dolor ~ fármaco,
datos = datos,
método = " bonferroni ")
Dunn (1964) Comparación múltiple de Kruskal-Wallis
Valores p ajustados con el método de Bonferroni.
Comparación Z P.unadj P.adj
1 A - B -0,8890009 0,374002602 1,000000000
2 A - C -3,2258032 0,001256197 0,003768591
3 B - C -2,3368023 0,019449464 0,058348393
Tenga en cuenta que elegimos usar una corrección de Bonferroni para los valores p de las comparaciones múltiples, pero otras opciones posibles incluyen:
- «Sidak» (ajuste de Sidak)
- «Holm» (ajuste de holm)
- «Hs» (ajuste de Holm-Sidak)
- «Bs» (Ajuste de Bonferroni-Sidak)
- «Por» (Ajuste Benjamini-Yekuteili)
- «Bh» ( procedimiento Benjamini-Hochberg )
En α = .05, los fármacos A y C son los únicos dos fármacos que son estadísticamente significativamente diferentes entre sí (valor de p ajustado = .003768 ).
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
