ansari.test
位于 stats
包(package)。 说明
对尺度参数的差异执行 Ansari-Bradley 两个样本测试。
用法
ansari.test(x, ...)
## Default S3 method:
ansari.test(x, y,
alternative = c("two.sided", "less", "greater"),
exact = NULL, conf.int = FALSE, conf.level = 0.95,
...)
## S3 method for class 'formula'
ansari.test(formula, data, subset, na.action, ...)
参数
x |
数据值的数值向量。 |
y |
数据值的数值向量。 |
alternative |
表示备择假设,并且必须是 |
exact |
指示是否应计算精确 p 值的逻辑。 |
conf.int |
逻辑值,指示是否应计算置信区间。 |
conf.level |
区间的置信水平。 |
formula |
|
data |
包含公式 |
subset |
一个可选向量,指定要使用的观测子集。 |
na.action |
一个函数,指示当数据包含 |
... |
要传递给方法或从方法传递的更多参数。 |
细节
假设 x
和 y
分别是来自密度为 和 的分布的独立样本,其中 是未知的干扰参数,而 (尺度比)是感兴趣的参数。 Ansari-Bradley 测试用于测试 等于 1 的零值,两侧替代方案为 (分布仅在方差上有所不同),单侧替代方案为 (分布底层 x
具有较大方差, "greater"
)或 ( "less"
)。
默认情况下(如果未指定 exact
),如果两个样本都包含少于 50 个有限值且不存在关联,则会计算精确的 p 值。否则,使用正态近似。
(可选)计算非参数置信区间和 的估计量。如果精确的 p 值可用,则通过 Bauer (1972) 中说明的算法获得精确的置信区间,并采用 Hodges-Lehmann 估计器。否则,返回的置信区间和点估计基于正态近似。
请注意,mid-ranks 用于平局的情况,而不是 Hollander & Wolfe (1973) 中使用的平均分数。有关详细信息,请参见例如 Hajek、Sidak 和 Sen (1999),第 131 页。
值
类"htest"
的列表包含以下组件:
statistic |
Ansari-Bradley 检验统计量的值。 |
p.value |
检验的 p 值。 |
null.value |
空值 1 下 的比例比例。 |
alternative |
说明备择假设的字符串。 |
method |
字符串 |
data.name |
给出数据名称的字符串。 |
conf.int |
尺度参数的置信区间。 (仅在参数 |
estimate |
尺度比率的估计。 (仅在参数 |
注意
要将 Ansari-Bradley 检验的结果与 F 检验的结果进行比较以比较两个方差(在正态性假设下),请观察 是尺度比率,因此 是方差比率(前提是它们存在),而对于 F 检验,方差比本身就是感兴趣的参数。特别是,置信区间适用于Ansari-Bradley 测试中的 ,但适用于F 测试中的 。
例子
## Hollander & Wolfe (1973, p. 86f):
## Serum iron determination using Hyland control sera
ramsay <- c(111, 107, 100, 99, 102, 106, 109, 108, 104, 99,
101, 96, 97, 102, 107, 113, 116, 113, 110, 98)
jung.parekh <- c(107, 108, 106, 98, 105, 103, 110, 105, 104,
100, 96, 108, 103, 104, 114, 114, 113, 108, 106, 99)
ansari.test(ramsay, jung.parekh)
ansari.test(rnorm(10), rnorm(10, 0, 2), conf.int = TRUE)
## try more points - failed in 2.4.1
ansari.test(rnorm(100), rnorm(100, 0, 2), conf.int = TRUE)
参考
David F. Bauer (1972). Constructing confidence sets using rank statistics. Journal of the American Statistical Association, 67, 687-690. doi:10.1080/01621459.1972.10481279.
Jaroslav Hajek, Zbynek Sidak and Pranab K. Sen (1999). Theory of Rank Tests. San Diego, London: Academic Press.
Myles Hollander and Douglas A. Wolfe (1973). Nonparametric Statistical Methods. New York: John Wiley & Sons. Pages 83-92.
也可以看看
fligner.test
用于基于排名的(非参数) - 方差同质性的样本检验; mood.test
用于另一个基于等级的两个样本测试,用于衡量尺度参数的差异; var.test
和 bartlett.test
用于方差同质性的参数检验。
coin
包中的 ansari_test
用于 Ansari-Bradley 测试的精确和近似条件 p 值,以及处理关系的不同方法。
相关用法
- R anova.glm 广义线性模型拟合的偏差分析
- R anova.mlm 多元线性模型之间的比较
- R anova 方差分析表
- R anova.lm 线性模型拟合的方差分析
- R aggregate 计算数据子集的汇总统计
- R alias 查找模型中的别名(依赖项)
- R addmargins 在多维表或数组上设置任意边距
- R asOneSidedFormula 转换为单边公式
- R as.hclust 将对象转换为 hclust 类
- R ar.ols 通过 OLS 将自回归模型拟合到时间序列
- R arima.sim 从 ARIMA 模型进行模拟
- R ar 将自回归模型拟合到时间序列
- R arima 时间序列的 ARIMA 建模
- R approxfun 插值函数
- R add1 在模型中添加或删除所有可能的单项
- R acf 自协方差和互协方差以及相关函数估计
- R aov 拟合方差分析模型
- R ave 因子水平组合的组平均值
- R arima0 时间序列的 ARIMA 建模 – 初步版本
- R acf2AR 计算精确拟合 ACF 的 AR 过程
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Ansari-Bradley Test。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。