La prueba de Kruskal-Wallis H (a veces también llamada «ANOVA unidireccional en rangos») es una prueba no paramétrica basada en rango que se puede usar para determinar si hay diferencias estadísticamente significativas entre dos o más grupos de una variable independiente en una variable continua u ordinal. Se considera la alternativa no paramétrica al ANOVA unidireccional, y una extensión de la prueba U de Mann-Whitney para permitir la comparación de más de dos grupos independientes.
Por ejemplo, podría usar una prueba de Kruskal-Wallis H para comprender si el rendimiento del examen, medido en una escala continua de 0-100, difería en función de los niveles de ansiedad de la prueba (es decir, su variable dependiente sería «rendimiento del examen» y su variable independiente Sería un «nivel de ansiedad de prueba», que tiene tres grupos independientes: estudiantes con niveles de ansiedad de prueba «bajo», «medio» y «altos»). Alternativamente, puede usar la prueba de Kruskal-Wallis H para comprender si las actitudes hacia la discriminación salarial, donde las actitudes se miden en una escala ordinal, diferían en función de la posición de trabajo (es decir, su variable dependiente sería «actitudes hacia la discriminación salarial», medidas en Una escala de 5 puntos de «totalmente de acuerdo» a «totalmente en desacuerdo», y su variable independiente sería la «descripción del trabajo», que tiene tres grupos independientes: «taller», «gerencia media» y «sala de juntas»).
Nota: Si desea tener en cuenta la naturaleza ordinal de una variable independiente y tiene una hipótesis alternativa ordenada, podría ejecutar una prueba de Jonckheere-Atstra en lugar de la prueba de Kruskal-Wallis H.
Es importante darse cuenta de que la prueba de Kruskal-Wallis H es una estadística de prueba omnibus y no puede decirle qué grupos específicos de su variable independiente son estadísticamente significativamente diferentes de los demás; Solo te dice que al menos dos grupos eran diferentes. Dado que puede tener tres, cuatro, cinco o más grupos en el diseño de su estudio, es importante determinar cuál de estos grupos difiere entre sí. Puede hacer esto utilizando una prueba post hoc (N.B., discutimos las pruebas post hoc más adelante en esta guía).
¿Cómo hacer la prueba de Kruskal-Wallis en SPSS?
La prueba Kruskal-Wallis es una alternativa para un ANOVA unidireccional si se violan los supuestos de este último. Mostraremos en un minuto por qué ese es el caso con Creatine.sav, los datos que usaremos en este tutorial. Pero primero echemos un vistazo a lo que hay en los datos de todos modos.
Nuestros datos contienen el resultado de un pequeño experimento con respecto a la creatina, un suplemento que es popular entre los constructores de cuerpo. Estos se dividieron en 3 grupos: algunos no tomaron ninguna creatina, otros lo tomaron por la mañana y otros lo tomaron por la noche. Después de hacerlo durante un mes, se midieron sus ganancias de peso. La pregunta básica de investigación es
¿Depende el aumento de peso promedio?
¿La condición de creatina a la que se asignó a las personas?
Es decir, probaremos si tres medios calculados en un grupo diferente de personas son iguales. La prueba más probable para este escenario es un ANOVA unidireccional, pero usarla requiere algunas suposiciones. Algunas comprobaciones básicas nos dirán que estos supuestos no están satisfechos con nuestros datos en cuestión.
Una verificación de datos muy eficiente es ejecutar histogramas en todas las variables métricas. La forma más rápida de hacerlo es ejecutar la sintaxis a continuación.
Frecuencias Ganar /Formatos Notables /Histograma.
Primero, nuestro histograma parece plausible con todas las ganancias de peso entre -1 y +5 kilos, que son resultados razonables durante un mes. Sin embargo, nuestra variable de resultado no se distribuye normalmente según sea necesario para ANOVA. Esto no es un problema para tamaños de muestra más grandes de, por ejemplo, al menos 30 personas en cada grupo. La razón de esto es el teorema del límite central. Básicamente establece que para los tamaños de muestra razonables la distribución de muestreo para medias y sumas siempre se distribuyen normalmente independientemente de la distribución original de una variable. Sin embargo, para nuestra pequeña muestra en cuestión, esto plantea un problema real.
¿Cómo hacer una prueba de Kruskal Wallis en SPSS?
La prueba de Akruskal-Wallis se usa 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 la vía general.
Este tutorial explica cómo realizar una prueba de Kruskal-Wallis en SPSS.
Un investigador quiere saber si tres drogas tienen o no efectos diferentes sobre el dolor de rodilla, por lo que recluta a 30 personas que experimentan dolor similar de rodilla y los divide al azar en tres grupos para recibir el medicamento 1, el medicamento 2 o el medicamento 3.
Después de un mes de tomar el medicamento, el investigador le pide a cada individuo que califique su dolor de rodilla en una escala de 1 a 100, con 100 que indican el dolor más severo. Las calificaciones para las 30 personas se muestran a continuación:
Use los siguientes pasos para realizar una prueba de Kruskal-Wallis para determinar si existe o no una diferencia entre los niveles informados de dolor en la rodilla entre los tres grupos:
En la ventana que aparece, arrastre el dolor variable a la lista de variables de prueba etiquetada etiquetada y el fármaco en la variable de agrupación etiquetada como la caja. Luego haga clic en Definir el rango y establezca el valor mínimo en 1 y el valor máximo en 3. Luego haga clic en Continuar. Asegúrese de que la casilla esté marcada junto a Kruskal-Wallis H y luego haga clic en Aceptar.
Una vez que haga clic en Aceptar, aparecerán los resultados de la prueba Kruskal-Wallis:
La segunda tabla en la salida muestra los resultados de la prueba:
- Kruskal-Wallis H: Esta es la estadística de prueba X2.
¿Cómo hacer la prueba de Kruskal Wallis?
- El análisis de varianza (ANOVA) es una técnica de análisis de datos
para examinar la importancia de los factores (= independientes
variables) en un modelo multifactor. El modelo de un factor puede
ser considerado como una generalización de las dos pruebas t de muestra.
Es decir, la prueba t de dos muestras es una prueba de la hipótesis
que dos medios de población son iguales. El único factor ANOVA
Prueba la hipótesis de que las medias de la población k son iguales.
La prueba de Kruskal Wallis se puede aplicar en el único factor
Caso ANOVA. Es una prueba no paramétrica para la situación
donde los supuestos de normalidad ANOVA no pueden aplicarse. A pesar de que
Esta prueba es para poblaciones idénticas, está diseñada para ser
sensible a medios desiguales.
Deje que ni (i = 1, 2,…, k) represente
los tamaños de muestra para cada uno de los grupos K (es decir, muestras) en
los datos. A continuación, clasifique la muestra combinada. Luego calcula
Ri = la suma de las filas para el grupo i. Después
La estadística de prueba de Kruskal Wallis es:
Esta estadística se aproxima a una distribución de chi-cuadrado con
K-1 grados de libertad si la hipótesis nula de igual
Las poblaciones son ciertas. Cada uno de los NI debería ser
Al menos 5 para que la aproximación sea válida.
Rechazamos la hipótesis nula de la igualdad de población si la prueba
La estadística H es mayor que Chippf (Alpha, K-1) donde Chippf es el
Función de puntos porcentuales de chi-cuadrado
Sintaxis 1:
- Kruskal Wallis
donde
y donde el
es opcional.
Artículos Relacionados:
