Jika model tidak memenuhi asumsi ANOVA (khususnya normalitas), jika satu arah, uji non-parametrik Kruskal-Wallis direkomendasikan. Tetapi, bagaimana jika Anda memiliki banyak faktor?
sumber
Jika model tidak memenuhi asumsi ANOVA (khususnya normalitas), jika satu arah, uji non-parametrik Kruskal-Wallis direkomendasikan. Tetapi, bagaimana jika Anda memiliki banyak faktor?
Anda dapat menggunakan tes permutasi.
Bentuk hipotesis Anda sebagai uji model penuh dan tereduksi dan menggunakan data asli hitung statistik F untuk uji model penuh dan tereduksi (atau stat lain yang menarik).
Sekarang hitung nilai-nilai pas dan residu untuk model tereduksi, kemudian secara acak permutasi residual dan tambahkan kembali ke nilai-nilai pas, sekarang lakukan tes penuh dan tereduksi pada dataset yang diijinkan dan simpan F-statistik (atau lainnya). Ulangi ini berkali-kali (seperti 1999).
Nilai-p kemudian proporsi statistik yang lebih besar atau sama dengan statistik asli.
Ini dapat digunakan untuk menguji interaksi atau kelompok istilah termasuk interaksi.
Tes Kruskal-Wallis adalah kasus khusus dari model odds proporsional. Anda dapat menggunakan model peluang proporsional untuk memodelkan banyak faktor, menyesuaikan untuk kovariat, dll.
sumber
Tes Friedman memberikan faktor non-parametrik yang setara dengan ANOVA satu arah dengan faktor pemblokiran, tetapi tidak dapat melakukan hal yang lebih kompleks dari ini.
sumber