弗里德曼测试(Friedman Test):这是一种非参数测试,可替代具有重复测量的单向方差分析。它试图确定主题是否在各种情况/条件下发生了显着变化。例如:-一组人的解决问题的能力在早上,下午和晚上相同或不同。当因变量为序数时,用于测试组之间的差异。当样本量很小时,此测试特别有用。
弗里德曼测试的要素
- 即上的措施三个或更多个块加班/实验条件下测得一组。
- 一个因变量,可以是序数,间隔或比率。
弗里德曼检验的假设
- 该组是总体中的随机样本。
- 样本不是正态分布的。
弗里德曼检验的零假设和交替假设
零假设:给定的度量条件之间没有显着差异,或者所有条件的概率分布都相同。 (中位数相同)
替代假设:它们中的至少2个彼此不同。
H0 : M1 = M2 = M3 = ..... Mk ; M= Median
H1 : At least two of them show significant difference.
弗里德曼检验的检验统计量
n = total number of subjects/participants.
k = total number of blocks to be measured.
Ri = sum of ranks of all subjects for a block i
弗里德曼检验的决策规则
您可以根据以下规则做出决定-
- 计算值与表值:如果F R大于临界值限制,则拒绝零假设。否则,接受零假设。
- P值方法:将P值与Alpha(重要性水平)进行比较。如果p值小于或等于alpha,则拒绝空假设。
事后分析:如果使用Post Hoc分析拒绝零假设,则可以找出任何给定的实验条件之间是否存在差异,后者可以使用Wilcoxon秩次检验,Conover检验等进行。在Wilcoxon检验中,您也可以获取所有对的结果,但是您必须进行Bonferroni校正,这会将显着性水平更改为给定的显着性水平/对总数。
执行弗里德曼测试的步骤:
让我们以一个例子来了解如何执行此测试。
例:随机给7个人提供3种不同的药物,并为每个人记录与药物对应的反应时间。在5%显着性水平上测试所有3种药物具有相同概率分布的声明。
Drug A | Drug B | Drug C | |
---|---|---|---|
1 | 1.24 | 1.50 | 1.62 |
2 | 1.71 | 1.85 | 2.05 |
3 | 1.37 | 2.12 | 1.68 |
4 | 2.53 | 1.87 | 2.62 |
5 | 1.23 | 1.34 | 1.51 |
6 | 1.94 | 2.33 | 2.86 |
7 | 1.72 | 1.43 | 2.86 |
步骤1:定义NULL和替代假设
H0 : All three drugs have the same probability distribution. MA = MB = MC
H1 : At least two of them differ from each other.
步骤2:状态Alpha(重要性级别)
Alpha = 0.05
步骤3:计算自由度
DF = K-1 ; K = number of blocks to be measured.
Here , DF = 3-1 =2.
步骤4:找出关键卡方值。
使用此表找出alpha = 0.05和DF = 2的临界卡方值。
X2 = 5.991
步骤5:状态决定规则
您可以检查以下两个规则中的任何一个-
1) If FR is greater than 5.991 , reject the Null Hypothesis.
步骤6:为每个人对应的药物分配等级,然后求和。
排名将按升序排列。
Ranks | |||
---|---|---|---|
Drug A | Drug B | Drug C | |
1 | 1 | 2 | 3 |
2 | 1 | 2 | 3 |
3 | 1 | 3 | 2 |
4 | 2 | 1 | 3 |
5 | 1 | 2 | 3 |
6 | 1 | 2 | 3 |
7 | 2 | 1 | 3 |
∑ = 9 | ∑ = 13 | ∑ = 20 |
注意:如果在同一行中2列或更多列具有相同的值,则分配给它们的等级是它们获得的等级的平均值。例如:如果一行有2列,其值x为x,它们得到的等级分别为4和5。则这两列都将被分配等级(4 + 5)/ 2,即4.5。
步骤7:计算测试统计量
FR = 8.857
步骤8:陈述结果
Since FR is greater than 5.991 , We reject the Null Hypothesis.
步骤9:陈述结论
All the three drugs do not have the same probability distribution.
您可以将事后分析与Wilcoxon测试一起应用,以了解哪些对之间存在显着差异。
这里,
Total number of pairs can be 3 (Drug A - Drug B , Drug B - Drug C , Drug A - Drug C).
The new level of significance to be considered for each pair will be 0.05/3 = 0.0166.
使用R实现Friedman测试
R
# R program to illustrate
# Friedman Test
#input the data
y <- matrix(c(1.24,1.50,1.62,
1.71,1.85,2.05,
1.37,2.12,1.68,
2.53,1.87,2.62,
1.23,1.34,1.51,
1.94,2.33,2.86,
1.72,1.43,2.86),
nrow = 7, byrow = TRUE,
dimnames = list(Person= as.character(1:7),Drugs = c("Drug A","Drug B","Drug C")))
#display the sample data
print(y)
R
#perform friedman test on the sample
result = friedman.test(y)
print(result)
输出:
[R
#perform friedman test on the sample
result = friedman.test(y)
print(result)
输出:
由于p值小于显着性水平(5%),因此可以得出结论,概率分布存在显着差异。