试图在 python 中进行 Kruskall Wallis 事后测试，但统计数据不同？

编程问答 2022-05-22

问题描述

我正在努力解决这个问题。我是来自 SPSS 背景的 Python 新手。基本上，一旦您完成了 Kruskal Wallis 检验并返回低 p 值，正确的程序是进行事后 Dunn 检验。我一直在努力计算数学，但我找到了这篇文章 (https://journals.sagepub.com/doi/pdf/10.1177/1536867X1501500117)，我认为它已经说明了一切。

除了找出 P 值外，Python 似乎没有 Dunn 测试，但我希望有一个与您可以在 SPSS 中获得的成对比较测试类似的输出。这包括使用 Bonferroni 的 z-stat/检验统计量、标准差、标准差误差、p 值和调整后的 p 值。

现在我正在努力使测试统计正确，以便我可以完成其余的工作。我的数据是多个组，我已将其拆分为多个数据框。例如，我的数据如下所示：

df1 |因素 1 |因素 2 | | -------- | -------- | | 3.45 | 8.95 | | 5.69 | 2.35 | row_total=31 df2 |因素 1 |因素 2 | | -------- | -------- | | 5.45 | 7.95 | | 4.69 | 5.35 | row_total=75 等等等等

所以基本上我正在尝试测试 df1["Factor1"] 和 df2["Factor1]。 我目前拥有的是：

 def dunn_test(df1,df2,colname):
    ##Equation is z= yi/oi
    ##Where yi is the mean rankings of the two groups
    ## oi is the standard deviation of yi

    #Data Needed
    x=df1[colname]
    z=df2[colname]

    grouped = pd.concat([x,z])
    N =len(grouped)

    #calculating the Mean Rank of the Two Groups
    rank1= stats.rankdata(x)
    rank2=stats.rankdata(z)
    Wa = rank1.sum()/len(x)
    Wb = rank2.sum()/len(z)

    #yi
    y= Wa-Wb
    
    #standard deviation of yi
    #tied Ranks
    ranks= stats.rankdata(grouped)
    
    tied=pd.DataFrame([Counter(ranks)]).T
    tied= tied.reset_index()
    tied = tied.rename(columns={"index":"ranks",0:'ties'})
    count_ties = tied[tied.ties >=2].count()


    #standard Deviaton formula
    t= tied["ties"]
    for tied in t:
        e = t**3-t
        e = [i for i in e if i != 0]
    
    oi=((N*(N+1)/2) - sum(e)/12*(N-1))*(1/len(x) + 1/len(z))
    
    zstat=y/oi
    
    return zstat

它输出 0.0630。我遇到的问题是，当我通过 SPSS 运行相同的测试时，数字是 -51.422。我不确定我做对了，有正确的方程式或我打算做什么。

任何帮助将不胜感激。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

equationkruskal-wallispandaspythonstatistics