The Kruskal-Wallis Test was develop

The Kruskal-Wallis Test was developed by Kruskal and Wallis (1952) jointly and is named after them. The Kruskal-Wallis test is a nonparametric (distribution free) test, and is used when the assumptions of ANOVA are not met. They both assess for significant differences on a continuous dependent variable by a grouping independent variable (with three or more groups). In the ANOVA, we assume that distribution of each group is normally distributed and there is approximately equal variance on the scores for each group. However, in the Kruskal-Wallis Test, we do not have any of these assumptions. Like all non-parametric tests, the Kruskal-Wallis Test is not as powerful as the ANOVA.

The Kruskal-Wallis test statistic is approximately a chi-square distribution, with k-1 degrees of freedom where ni should be greater than 5. If the calculated value of the Kruskal-Wallis test is less than the critical chi-square value, then the null hypothesis cannot be reject. If the calculated value of Kruskal-Wallis test is greater than the critical chi-square value, then we can reject the null hypothesis and say that the sample comes from a different population.

ผลลัพธ์ (ไทย) 1:

ทดสอบ Kruskal วาลลิได้รับการพัฒนา โดย Kruskal และวาลลิ (1952) ร่วมกัน และชื่อพวกเขา ทดสอบ Kruskal วาลลิเป็นแบบ nonparametric (แจกฟรี) ทดสอบ และถูกใช้เมื่อไม่เป็นไปตามสมมติฐานของการวิเคราะห์ความแปรปรวน พวกเขาทั้งสองประเมินสำหรับความแตกต่างอย่างมีนัยสำคัญในตัวแปรขึ้นอยู่กับการต่อเนื่อง โดยตัวแปรอิสระการจัดกลุ่ม (กับกลุ่มสาม หรือมากกว่า) ในการวิเคราะห์ความแปรปรวน เราสมมติว่า การกระจายของแต่ละกลุ่มมีกระจายปกติ และมีความแปรปรวนเท่ากันโดยประมาณในคะแนนสำหรับแต่ละกลุ่ม อย่างไรก็ตาม ในการทดสอบ Kruskal วาลลิ เราไม่มีสมมติฐานเหล่านี้ เช่นทั้งหมดไม่ใช่พาราเมตริกทดสอบ ทดสอบ Kruskal วาลลิได้เป็นพลังเป็นการวิเคราะห์ความแปรปรวนสถิติทดสอบ Kruskal วาลลิเป็นประมาณ chi-square กระจาย กับ k-1 องศาความเป็นอิสระที่ ni ควรมีค่ามากกว่า 5 ถ้าค่าที่คำนวณของ Kruskal-วาลลิทดสอบ ได้น้อยกว่าค่า chi-square ที่สำคัญ แล้วไม่ปฏิเสธสมมติฐานว่าง ถ้าค่าที่คำนวณของทดสอบ Kruskal วาลลิมากกว่าค่า chi-square ที่สำคัญ แล้วเราสามารถปฏิเสธสมมติฐานว่าง และพูด ตัวอย่างมาจากประชากรที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

ทดสอบ Kruskal-วาลลิสได้รับการพัฒนาโดย Kruskal และวาลลิส (1952) ร่วมกันและเป็นชื่อหลังจากที่พวกเขา ทดสอบ Kruskal-Wallis เป็น nonparametric (แจกฟรี) การทดสอบและจะใช้เมื่อสมมติฐานของการวิเคราะห์ความแปรปรวนไม่ได้พบกัน พวกเขาทั้งสองประเมินความแตกต่างอย่างมีนัยสำคัญในตัวแปรตามอย่างต่อเนื่องโดยการจัดกลุ่มตัวแปรอิสระ (มีสามหรือมากกว่ากลุ่ม) ในการวิเคราะห์ความแปรปรวนเราคิดว่าการกระจายของแต่ละกลุ่มมีการกระจายตามปกติและมีความแปรปรวนเท่ากันโดยประมาณคะแนนสำหรับแต่ละกลุ่ม อย่างไรก็ตามในการทดสอบ Kruskal-Wallis, เราไม่ได้มีสมมติฐานใด ๆ เช่นเดียวกับการทดสอบที่ไม่ใช่พารา Kruskal-Wallis ทดสอบไม่เป็นที่มีประสิทธิภาพเป็น ANOVA. สถิติทดสอบ Kruskal-วาลลิสจะอยู่ที่ประมาณกระจายไคสแควร์กับ k-1 องศาอิสระที่พรรณีควรมากกว่า 5. หาก ค่าที่คำนวณของการทดสอบ Kruskal-วาลลิสมีค่าน้อยกว่าค่าไคสแควร์ที่สำคัญแล้วสมมติฐานไม่สามารถปฏิเสธ ถ้าค่าคำนวณของการทดสอบ Kruskal-วาลลิสเป็นมากกว่าค่าไคสแควร์ที่สำคัญแล้วเราสามารถปฏิเสธสมมติฐานและกล่าวว่ากลุ่มตัวอย่างที่มาจากประชากรที่แตกต่างกัน

ผลลัพธ์ (ไทย) 3:

The Kruskal Wallis Test และพัฒนาโดยใช้วอลลิส ( 1952 ) ร่วมกันและเป็นชื่อหลังจากที่พวกเขา The Kruskal Wallis Test คือทดสอบนอนพาราเมตริก ( แจกฟรี ) และจะใช้เมื่อสมมติฐานของความไม่เจอ พวกเขาประเมินความแตกต่างบนอย่างต่อเนื่องโดยการจัดกลุ่มตัวแปรตามตัวแปรอิสระ ( มีสามหรือมากกว่ากลุ่ม ) ในการวิเคราะห์ความแปรปรวนเราสันนิษฐานว่า การกระจายของแต่ละกลุ่มแบบปกติและมีความแปรปรวนเท่ากับบนคะแนนสำหรับแต่ละกลุ่ม อย่างไรก็ตาม ใน Kruskal Wallis Test เราไม่มีสมมติฐานเหล่านี้ ชอบทุกการทดสอบที่ไม่ใช้พารามิเตอร์ , Kruskal Wallis Test ไม่เป็นที่มีประสิทธิภาพเป็น ANOVA .

ประมาณ Kruskal Wallis Test สถิติไคสแควร์กระจายกับ K - 1 องศาของเสรีภาพที่ผมควรมากกว่า 5 ถ้าคำนวณมูลค่าของ Kruskal Wallis Test น้อยกว่าไคสแควร์ ค่าวิกฤต แล้วไม่สามารถจะปฏิเสธสมมติฐานว่าง . ถ้าคำนวณมูลค่าของ Kruskal Wallis Test มากกว่าค่าไคสแควร์ ค่าวิกฤต แล้วเราสามารถปฏิเสธสมมติฐานว่างและบอกว่าตัวอย่างมาจากประชากรที่แตกต่างกัน