Grundlegendes zur Warnmeldung „Krawatten sind vorhanden“ in Kruskal-Wallis post hoc

Ich führe Post-hoc-Vergleiche nach einem Kruskal-Wallis-Test durch. Ich verwende das PMCMR- Paket.

> posthoc.kruskal.nemenyi.test( preference ~ instrument)

    Pairwise comparisons using Tukey and Kramer (Nemenyi) test  
                   with Tukey-Dist approximation for independent samples 

data:  preference by instrument 

       Cello Drums Guitar
Drums  0.157 -     -     
Guitar 0.400 0.953 -     
Harp   0.013 0.783 0.458 

P value adjustment method: none 

Warning message:
In posthoc.kruskal.nemenyi.test.default(c(50L, 50L, 50L, 50L, 49L,  :
  Ties are present, p-values are not corrected.

Die Warnmeldung verwirrt mich. Kann jemand erklären, was es bedeutet und wie ich es korrigieren kann?

r ties

— dB '
quelle

Ich hatte die gleiche Warnung beim Laufen posthoc.kruskal.nemenyi.test(). Also habe ich die Bindungen angepasst, indem ich Daten x, Bindungen.methode = "Durchschnitt") ausgeführt habe, bevor ich posthoc.kruskal.nemenyi.test (Daten y) erneut ausgeführt habe, aber ich habe immer noch die gleiche Warnung bezüglich " Krawatten sind vorhanden ". Ist das ein allgemeines Problem oder ergibt sich dieses Problem aus meinen Daten?

x < - r a n k (d a t a

$x <- rank(data$

x d a t a

$x ~ data$

— Constanze

Ein Gleichstand bedeutet, dass mehrere Beobachtungen denselben Wert haben (daher denselben Rang). Zum Beispiel besteht eine Stichprobe aus Beobachtungen: . " " und " " sind zwei Bindungen, wobei Wiederholungen von und Wiederholungen von . Eine solche Stichprobe entspricht der Rangstatistik: . $1, 3, 3, 5, 10, 10, 10$ $3$ $10$ $3$ $2$ $10$ $3$ $1, 2, 2, 4, 5, 5, 5$

Wenn Bindungen vorhanden sind, müssen wir diese normalerweise aufheben (wenn nicht, erhalten Sie wahrscheinlich die Warnmeldung, wie Sie gezeigt haben). Und konventionell brechen wir die Bindungen in der Rangstatistik, im Gegensatz zu den Bindungen in den ursprünglichen Beobachtungen. Da der Kruskal-Wallis-Test Rangstatistiken verwendet, reicht es aus, Ihre Frage zu beantworten, indem Sie den Umfang auf die Rangstatistiken beschränken.

Zwei Methoden zum Brechen von Bindungen sind üblich, eine ist das "Brechen von Bindungen durch Zufall". Wir regenerieren nämlich zufällig verschiedene Ränge unter den Bindungen. Wenn wir das obige Beispiel bis zum Gleichstand " " fortsetzen, können wir zwei ersatzlose Zahlen aus der Menge und sie dann der zweiten und dritten Position zuweisen, zum Beispiel "3, 2". . Ebenso können wir das für das Unentschieden tun . Eine mögliche angepasste Rangstatistik kann , daher wurden die Bindungen unterbrochen. Der Nachteil dieser Methode besteht darin, dass Sie unter verschiedenen Analysen unterschiedliche Teststatistiken erhalten können, da das Aufbrechen zufällig erfolgt. $2, 2$ $\{2, 3\}$ $10$ $1, 3, 2, 4, 6, 5, 7$

Die zweite Methode ist "Mittelwertbildung". Das heißt, der Durchschnitt weist jedem gebundenen Element den "durchschnittlichen" Rang zu. Mit dieser Methode wird die ursprüngliche Rangstatistik zu: . Diese Methode passt die Bindungen im Wesentlichen an, anstatt sie zu brechen. $1, 2.5, 2.5, 4, 6, 6, 6$

In der Software können Sie Verbindungsunterbrechungsoptionen angeben, für die Sie die Funktionsdokumentation konsultieren sollten.

Eine ähnliche Diskussion zu diesem Thema finden Sie unter Wie funktioniert das Argument tie.method der Rangfunktion von R?

— Zhanxiong
quelle