R语言之非参数检验篇

非参数检验方法可以不要求总体的分布,故在对总体的任何知识都没有的情况下,也能通过它获得结论。

且此时非参数方法优于参数方法。

非参数检验通常是将数据转换成秩来进行分析的,秩就是该数据按照升幂排列之后,每个观测值的位置。

9.2 单样本检验

9.2.1 单样本K-S检验

单样本的K-S检验是用来检验一个数据的观测累积分布是否是已知的理论分布;

K-S检验可对各种分布进行检验

9.2.2 单样本符号秩检验

非参数的wilcoxon符号秩检验

R中可使用函数wilcox.test

符号秩检验wilcox.test可以看做一种中位数检验

9.3 两独立样本检验

9.3.1 两样本分布的K-S检验

假定有分别来自两个独立总体的两个样本,要想检验其背后的总体分布相同的原假设,可进行两独立样本的Kolmogorov-Smirnov检验。

9.3.2 两样本秩和检验

假定第一个样本有m个观测值,第二个有n个观测值。把两个样本混合之后把这m+n个观测值升幂排序,记下每个观测值在混合排序下面的秩。之后分别把两个样本所得到的秩相加。记第一个样本观测值的秩的和为WX,而第二个样本秩的和为WY。这两个值可以互相推算,称为Wilcoxon统计量。

9.3 多个独立样本的秩和检验

9.4 多相相关样本的秩和检验

多相相关样本的秩和检验是用Friedman方法,Friedman秩和检验有一个特点是独立地在每一个区组内各自对数据进行排秩,这样可以消除区级间的差异以检验各种处理之间是否存在差异,

  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言中,可以使用aod包中的wald.test函数进行Wald检验。下面是一个示例代码: ```R library(aod) # 假设模型为model wald.test(Sigma = vcov(model), b = coef(model), Terms = 3:4) ``` 这段代码使用了wald.test函数来执行Wald检验,其中Sigma参数是模型的协方差矩阵,b参数是模型的系数向量,Terms参数指定了要进行检验的自变量的索引。检验结果会输出卡方统计量、自由度和p值。\[1\] 另外,如果你对基于概率推理的课程中的Wald检验感兴趣,可以参考一关于Wald和似然比检验优缺点的研究报告。在这文章中,作者重点讨论了置信区间而不是检验,并提供了一些图形和统计输出的示例。\[2\] 此外,还可以使用survey包中的regTermTest函数进行Wald检验。下面是一个示例代码: ```R library(survey) # 假设模型为mod_fit_one regTermTest(mod_fit_one, "ForeignWorker") regTermTest(mod_fit_one, "CreditHistory.Critical") ``` 这段代码分别对模型中的"ForeignWorker"和"CreditHistory.Critical"进行了Wald检验,输出了F值和p值。\[3\] #### 引用[.reference_title] - *1* [如何在 R 中执行 Wald 测试](https://blog.csdn.net/Mrrunsen/article/details/125129425)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [R语言Wald检验 vs 似然比检验](https://blog.csdn.net/tecdat/article/details/128138932)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [logistic回归模型评估-R实现](https://blog.csdn.net/qq_42458954/article/details/109104120)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值