Friedman 检验的数据注意事项

为了确保结果有效,请在收集数据、执行分析和解释结果时考虑以下准则。

注意

如果使用参数分析来替代 Friedman 检验,应该验证您的数据是否满足该分析的数据要求。参数分析的数据要求不一定与诸如 Friedman 检验等非参数分析的要求相符。

数据应当包括两个类别因子。

一个因子是处理。另一个因子是将每个处理随机分配到的区组。Friedman 检验要求每个处理与区组的组合只有一个观测值。如果任何组合并非只有一个观测值,Minitab 将无法完成计算。

如果您具有两个或更多固定类别因子,则在具有所有固定因子时使用拟合一般线性模型,或在具有随机因子时使用拟合混合响应模型

有关因子的更多信息,请转到因子和因子水平固定和随机因子

响应变量应当是连续变量或顺序变量
如果响应变量是类别变量,则您的模型不太可能满足分析假定、准确描述数据或者进行有用的预测。
  • 如果您的响应变量有两个类别(如通过和失败),请使用拟合二元 Logistic 模型
  • 如果您的响应变量包含三个或更多采用一定自然顺序的类别(如非常不同意、不同意、中立、同意和非常同意),请使用顺序 Logistic 回归
  • 如果您的响应变量包含三个或更多不采用自然顺序的类别(如擦痕、凹陷和撕裂),请使用名义 Logistic 回归
  • 如果您的响应变量对发生次数(如缺陷数量)进行计数,请使用拟合 Poisson 模型
样本数据不必是正态分布的

所有区组-处理组合的分布应当具有相同的分布形状和散布,但它们不必服从正态分布。

设计应至少包括 5 个区组或处理
Friedman 检验使用检验统计量 S 来计算 P 值。在原假设下,卡方分布与 S 的分布近似。当随机区组设计中的区组数量或处理数量大于 5 时,这种近似的准确度比较合理。
每个观测值都应当独立于所有其他观测值
如果您的观测值是相关的,则结果可能无效。请考虑以下几点来确定观测值是否为独立值:
  • 如果一个观测值不提供有关另一个观测值的信息,则说明这两个观测值是独立的。
  • 如果一个观测值提供有关另一个观测值的信息,则说明这两个观测值是相关的。

如果具有相关观测值,请转到“分析重复的度量设计”。有关样本的更多信息,请转到相关样本和独立样本有何不同?

使用最佳做法收集数据
要确保结果有效,请考虑以下准则:
  • 确保数据代表您感兴趣的总体。
  • 收集足够多的数据以提供必要的精确度。
  • 尽可能准确和精确地测量变量。
  • 以数据的收集顺序记录数据。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策