R quade.test 四方測試

說明

使用未複製的阻塞數據執行 Quade 測試。

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, ...)

參數

y	數據值的數值向量或數據矩陣。
groups	如果這是一個向量，則給出 y 的相應元素的組的向量；如果 y 是矩陣，則忽略。如果不是一個因子對象，它會被強製為一個。
blocks	如果這是一個向量，則給出 y 對應元素的塊的向量；如果 y 是矩陣，則忽略。如果不是一個因子對象，它會被強製為一個。
formula	a ~ b | c 形式的公式，其中 a 、 b 和 c 分別給出數據值以及相應的組和塊。
data	包含公式 formula 中的變量的可選矩陣或 DataFrame (或類似的：請參閱 model.frame )。默認情況下，變量取自environment(formula)。
subset	一個可選向量，指定要使用的觀測子集。
na.action	一個函數，指示當數據包含 NA 時應該發生什麽。默認為 getOption("na.action") 。
...	要傳遞給方法或從方法傳遞的更多參數。

細節

quade.test 可用於分析未複製的完整模塊設計(即，對於 groups 和 blocks 級別的每種組合，y 中恰好有一個觀察結果)，其中可能違反正態性假設。

原假設是，除了blocks 的影響之外，y 的位置參數在每個groups 中都是相同的。

如果y是矩陣，則分別從列索引和行索引獲得groups和blocks。 NA 不允許出現在 groups 或 blocks 中；如果 y 包含 NA ，則刪除相應的塊。

值

類"htest" 的列表包含以下組件：

statistic	Quade 的 F 統計量的值。
parameter	具有檢驗統計量的近似 F 分布的分子和分母自由度的向量。
p.value	檢驗的 p 值。
method	字符串 "Quade test" 。
data.name	給出數據名稱的字符串。

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))

參考

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 。