上記のコメント内の議論を要約すると、R プロジェクトと複数のノンパラメトリック比較を実行するいくつかの (あまり知られていない) 可能性があります。上記の例では、そのうちの 2 つを含めました。
library(pgrimess)
library(nparcomp)
x<-c(1,2,3,4,5,6,7,8,9,NA,8,9)
y<-c(2,3,NA,3,4,NA,2,3,NA,2,3,4)
group<-rep((factor(LETTERS[1:3])),4)
df<-data.frame(x,y,group)
kruskal.test(df$x~df$group)
kruskalmc(df$x~df$group)
m<-nparcomp(x ~ group, data=df, asy.method = "probit", type = "Dunnett", control = "A", alternative = "two.sided", info = FALSE)
summary(m)
nparcomp は明らかにより柔軟で、多種多様なコントラストが可能です。ここでは例としてダネットを取り上げました。
いくつかの投稿によると、複数のテストの提案された手順があり、大規模なデータセットでいくつかの精度の問題が発生しました。
https://stat.ethz.ch/pipermail/r-help/2012-January/300100.html
NDWD <- oneway_test(price ~ clarity, data = diamonds,
ytrafo = function(data) trafo(data, numeric_trafo = rank),
xtrafo = function(data) trafo(data, factor_trafo = function(x)
model.matrix(~x - 1) %*% t(contrMat(table(x), "Tukey"))),
teststat = "max", distribution = approximate(B=1000))
### global p-value
print(pvalue(NDWD))
### sites (I = II) != (III = IV) at alpha = 0.01 (page 244)
print(pvalue(NDWD, method = "single-step"))
別の可能性は、Frank Harrell
https://stat.ethz.ch/pipermail/r-help/2012-January/300329.htmlによって提案されているように、rms::polr の後に rms::contrasts が続きます。
最後に、user1317221_G には、テストの結果を組み込んだ箱ひげ図https://stats.stackexchange.com/a/20133を含むいくつかの非常に便利なリンクが含まれており、箱ひげ図の高度なグラフ化に関するより詳細な説明は、http://でさらに 1 つのリンクで見つかります。 egret.psychol.cam.ac.uk/statistics/R/graphs2.html
うまくいけば、それはそのセクターのいくつかの問題を解決します.