从0开始学习R语言--Day21--Kruskal-Wallis检验与Friedman检验

Kruskal-Wallis检验

Kruskal-Wallis检验一般用于比较常见的比较三个群体的水平，比如我们有一班、二班、三班的语文成绩，我们将三个班的学生成绩混合在一起进行排名，也就是我们平时所说的级排名。进一步通过计算班级的平均级排名来判断班级之间的班级水平，这个方法要求数据之间要独立分布，即不要有类似三个班之间会有互相辅导的情况，不互相影响。

Friedman检验

Friedman检验同样用于检验水平，但比较倾向于检验不同时期的水平，比如有甲乙丙三人的期中、期末、模拟考成绩，假设只看成绩来判断，分别用成绩计算每个学生自己三个时期成绩排名（纵向对比，排名在学生个人内部），并计算每个时期的学生平均排名，就可以得到在每个时期学生的水平是否有进步。注意，这里很容易有个误区是理解为进行学生之间的对比，那样得到的是哪个学生更厉害，我们需要观察不是与外界比较，而是自己与自己对比。

分别举一个例子来说明：

R 复制代码

library(dplyr)

# 生成数据：3个班级的成绩
classes <- data.frame(
  class = rep(c("A", "B", "C"), each = 3),
  score = c(78, 85, 90, 55, 68, 72, 92, 88, 95)
)

# 查看全局排名（验证！）
classes$global_rank <- rank(classes$score)  # 55排1，68排2，...，95排9

# 计算各班平均排名
classes %>%
  group_by(class) %>%
  summarise(mean_rank = mean(global_rank))

# 运行Kruskal-Wallis检验
kruskal.test(score ~ class, data = classes)

# 生成数据：3个学生的3次考试成绩
students <- data.frame(
  student = rep(1:3, each = 3),
  exam = rep(c("期中", "期末", "模拟考"), times = 3),
  score = c(80, 85, 78, 70, 72, 68, 90, 88, 92)
)

# 查看每个学生的内部排名（验证！）

students %>%
  group_by(student) %>%
  mutate(rank = rank(score))  # 学生甲：期末(1), 期中(2), 模拟考(3)

# 运行Friedman检验
friedman.test(score ~ exam | student, data = students)

输出：

R 复制代码

	Kruskal-Wallis rank sum test

data:  score by class
Kruskal-Wallis chi-squared = 6.4889, df = 2, p-value = 0.03899

	Friedman rank sum test

data:  score and exam and student
Friedman chi-squared = 0.66667, df = 2, p-value = 0.7165

从结果可以看到Kruskal-Wallis的p值小于0.05，结果有一定的可信度，3个班级的数学成绩分布存在显著差异（至少有一个班级与其他不同）；而Friedman的p值大于0.05，所以同一批学生在3次考试（期中、期末、模拟考）中的成绩变化没有差异。