본문 바로가기
반응형

등분산검정5

R에서 3개 이상 집단의 분산을 비교하는 방법(+사후검정) R에서 3개 이상 집단의 분산을 비교하는 방법(+사후검정) 세개 이상 집단의 분산을 비교하는 검정들은 levene's test 와 bartlett's test 등이 있다. 이들은 모든 집단의 분산이 같다는 귀무가설에 대한 p 값만 알려줄 뿐, 어느 집단 간에 차이가 있었는지는 알려주지 않습니다. 어느 집단 간에 차이가 있는지 사후검정을 해야하는데요. levene's test와 bartlett's test에 적용할 수 있는 사후검정 함수를 R에서는 찾지 못했습니다. 다른 방법을 통해 해결했는데요. 분산이 결국 편차제곱의 평균이므로, 각 원소의 편차제곱을 계산하고 이들의 평균비교를 해주면 됩니다. 아래 예시를 통해 알아봅시다. a,b,c 세 그룹을 생성했습니다. set.seed(1) a=sample(0:10.. 2020. 6. 3.
[R 통계분석] Bartlett test (등분산검정) [R 통계분석] Bartlett test (등분산검정) #1. 방법 bartlett.test(x, g, ...) y자리에 전체 데이터, group 자리에 분류기준을 입력한다. 예를들어 남녀 그룹의 키를 비교하는 경우, y자리에는 전체 키 데이터를 입력하고 group 자리에는 각 데이터의 성별을 입력한다. #2. 예제 > 코드 #표본생성 set.seed(1) group1=rnorm(50,0,1) group2=rnorm(50,0,1) #형식에 맞게 수정 y=c(group1,group2) group=c(rep(1,50),rep(2,50)) #Bartlett test 수행. bartlett.test(y,group) > 실행결과 > bartlett.test(y,group) Bartlett test of homog.. 2019. 11. 28.
[R 통계분석] Brown-Forsythe test (등분산검정) [R 통계분석] Brown-Forsythe test (등분산검정) #1. 방법 levene.test(y, group, location = c("median", "mean", "trim.mean"), trim.alpha = 0.25, bootstrap = FALSE, num.bootstrap = 1000, kruskal.test = FALSE, correction.method = c("none", "correction.factor", "zero.removal", "zero.correction")) y자리에 전체 데이터, group 자리에 분류기준을 입력한다. 예를들어 남녀 그룹의 키를 비교하는 경우, y자리에는 전체 키 데이터를 입력하고 group 자리에는 각 데이터의 성별을 입력한다. levene's t.. 2019. 11. 28.
[R] Levene's test (등분산검정) Levene's test 는 집단들의 분산이 같은지 여부를 검정할 때 사용합니다. 예제를 통해 이해해봅시다. 패키지 설치 및 불러우기 먼저 패키지를 설치합니다. install.packages("lawstat") 패키지를 불러옵니다. library(lawstat) 데이터 생성 예제에 사용될 테이터를 만들어봅시다. 두 집단의 키 데이터입니다. 그룹별로 50명을 추출하였습니다. set.seed(1) A=rnorm(50,175,10) B=rnorm(50,185,10) stack 형태의 데이터로 만들어줍니다. stack 형태의 데이터는 각 열에 독립변수와 종속변수가 입력된 데이터입니다. 위 데이터의 경우 독립변수는 그룹의 종류이고 종속변수는 키입니다. x=c(rep(1,50),rep(2,50)) y=c(A,B) .. 2019. 11. 28.
[R 통계분석] F test (등분산검정) [R 통계분석] F test (등분산검정) #1. 방법 var.test(x, y, ratio = 1, alternative = c("two.sided", "less", "greater"), conf.level = 0.95, ...) x,y 자리에 데이터 입력. #2. 예제 > 코드 #표본생성 set.seed(1) group1=rnorm(50,0,1) group2=rnorm(50,0,1) #F test 수행 var.test(group1,group2) > 실행결과 > var.test(group1,group2) F test to compare two variances data: group1 and group2 F = 0.73641, num df = 49, denom df = 49, p-value = 0.287.. 2019. 11. 28.
반응형