Friedman 检验数据注意事项

为确保结果有效，在收集数据、执行分析和解释结果时，请考虑以下准则。

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效应模型。

有关因子的更多信息，请转到因子和因子水平以及固定和随机因子。

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）进行计数，请使用拟合 Poisson 模型。

样本数据不必为正态分布

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，卡方分布近似于 S 的分布。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，请转到非独立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。