R quade.test 四方测试

说明

使用未复制的阻塞数据执行 Quade 测试。

用法

quade.test(y, ...)

## Default S3 method:
quade.test(y, groups, blocks, ...)

## S3 method for class 'formula'
quade.test(formula, data, subset, na.action, ...)

参数

y	数据值的数值向量或数据矩阵。
groups	如果这是一个向量，则给出 y 的相应元素的组的向量；如果 y 是矩阵，则忽略。如果不是一个因子对象，它会被强制为一个。
blocks	如果这是一个向量，则给出 y 对应元素的块的向量；如果 y 是矩阵，则忽略。如果不是一个因子对象，它会被强制为一个。
formula	a ~ b | c 形式的公式，其中 a 、 b 和 c 分别给出数据值以及相应的组和块。
data	包含公式 formula 中的变量的可选矩阵或 DataFrame (或类似的：请参阅 model.frame )。默认情况下，变量取自environment(formula)。
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 NA 时应该发生什么。默认为 getOption("na.action") 。
...	要传递给方法或从方法传递的更多参数。

细节

quade.test 可用于分析未复制的完整模块设计(即，对于 groups 和 blocks 级别的每种组合，y 中恰好有一个观察结果)，其中可能违反正态性假设。

原假设是，除了blocks 的影响之外，y 的位置参数在每个groups 中都是相同的。

如果y是矩阵，则分别从列索引和行索引获得groups和blocks。 NA 不允许出现在 groups 或 blocks 中；如果 y 包含 NA ，则删除相应的块。

值

类"htest" 的列表包含以下组件：

statistic	Quade 的 F 统计量的值。
parameter	具有检验统计量的近似 F 分布的分子和分母自由度的向量。
p.value	检验的 p 值。
method	字符串 "Quade test" 。
data.name	给出数据名称的字符串。

例子

## Conover (1999, p. 375f):
## Numbers of five brands of a new hand lotion sold in seven stores
## during one week.
y <- matrix(c( 5,  4,  7, 10, 12,
               1,  3,  1,  0,  2,
              16, 12, 22, 22, 35,
               5,  4,  3,  5,  4,
              10,  9,  7, 13, 10,
              19, 18, 28, 37, 58,
              10,  7,  6,  8,  7),
            nrow = 7, byrow = TRUE,
            dimnames =
            list(Store = as.character(1:7),
                 Brand = LETTERS[1:5]))
y
(qTst <- quade.test(y))

## Show equivalence of different versions of test :
utils::str(dy <- as.data.frame(as.table(y)))
qT. <- quade.test(Freq ~ Brand|Store, data = dy)
qT.$data.name <- qTst$data.name
stopifnot(all.equal(qTst, qT., tolerance = 1e-15))
dys <- dy[order(dy[,"Freq"]),]
qTs <- quade.test(Freq ~ Brand|Store, data = dys)
qTs$data.name <- qTst$data.name
stopifnot(all.equal(qTst, qTs, tolerance = 1e-15))

参考

D. Quade (1979), Using weighted rankings in the analysis of complete blocks with additive block effects. Journal of the American Statistical Association 74, 680-683.

William J. Conover (1999), Practical nonparametric statistics. New York: John Wiley & Sons. Pages 373-380.

也可以看看

friedman.test 。