Калькулятор критерію Краскела–Уолліса
Введіть спостереження трьох або чотирьох груп, і калькулятор виконає критерій Краскела–Уолліса: він рангує всі значення разом, обчислює скориговану на зв’язки статистику H, ступені вільності, p-значення та рішення на обраному вами рівні значущості.
Порівняння трьох і більше груп за рангами
Формула критерію Краскела–Уолліса
Де:
- \(k\) — кількість груп
- \(n_j\) — кількість спостережень у групі \(j\)
- \(N\) — загальна кількість спостережень у всіх групах, \(N = \sum n_j\)
- \(R_j\) — сума рангів групи \(j\); усі \(N\) спостережень ранжуються разом від найменшого (1) до найбільшого (\(N\)), а однаковим значенням присвоюється середній з їхніх рангів
- \(t\) — розмір кожної групи однакових значень (використовується в поправочному коефіцієнті \(C\))
- \(\chi^2_{k-1}\) — розподіл хі-квадрат із \(k-1\) ступенями вільності
Статистика \(H\) порівнює середній ранг кожної групи із загальним середнім рангом \((N+1)/2\). Якщо всі групи походять з одного розподілу, середні ранги груп мають бути подібними, а \(H\) — невеликим; якщо ж певна група має тенденцію містити більші (або менші) значення, її середній ранг відхиляється від загального і \(H\) зростає. За нульової гіпотези \(H'\) приблизно підпорядковується розподілу хі-квадрат із \(k-1\) ступенями вільності, що й дає p-значення.
Критерій Краскела–Уолліса — приклад обчислення
Приклад: дослідник порівнює бали задоволеності пацієнтів (0–10) за трьома методами лікування. Група 1: 7; 8; 9; 9; 10. Група 2: 5; 6; 6; 7; 8. Група 3: 3; 4; 4; 5; 6; 7. Тут \(k = 3\), \(N = 16\).
Після спільного ранжування всіх 16 спостережень (однаковим значенням присвоюється середній ранг) отримуємо суми рангів \(R_1 = 67.5\), \(R_2 = 41\), \(R_3 = 27.5\).
\[ H = \frac{12}{16 \cdot 17}\left(\frac{67.5^2}{5} + \frac{41^2}{5} + \frac{27.5^2}{6}\right) - 3 \cdot 17 = \frac{12}{272} \cdot 1373.4917 - 51 = 9.5952 \]
У даних є однакові значення (шість груп зв’язків розмірами 2, 2, 3, 3, 2, 2), тому \(\sum(t^3 - t) = 72\) і \(N^3 - N = 4080\):
\[ C = 1 - \frac{72}{4080} = 0.9824, \quad H' = \frac{9.5952}{0.9824} = 9.7674 \]
За \(\nu = k - 1 = 2\) ступенів вільності апроксимація хі-квадрат дає \(p = 0.0076\).
Результат: \(H' = 9.7674\), \(p = 0.0076 \le \alpha = 0.05\), отже, нульову гіпотезу відхилено — принаймні один метод лікування дає систематично інші бали. Група 1 має найвищий середній ранг (13,5 проти загального середнього 8,5), що вказує на загалом більші значення.
Як користуватися калькулятором
- Введіть спостереження першої групи в поле Спостереження групи 1. Числа розділяйте пробілами, новими рядками або крапкою з комою; десяткові коми (наприклад, 7,5) підтримуються.
- Заповніть у тому ж форматі поля Спостереження групи 2 і Спостереження групи 3. Усі групи мають вимірювати одну й ту саму змінну в одній шкалі.
- Якщо є четверта група, введіть її в поле Спостереження групи 4 (необов’язково); залиште його порожнім, якщо порівнюєте лише три групи. Порожні групи просто ігноруються.
- Задайте Рівень значущості (за замовчуванням 0,05) — поріг, нижче якого p-значення вважається статистично значущим.
- Натисніть Обчислити. Ви отримаєте скориговану на зв’язки статистику \(H'\), нескориговану \(H\), ступені вільності, p-значення, рішення на обраному \(\alpha\), а також таблицю з розміром, сумою рангів, середнім рангом і медіаною кожної групи.
Що таке критерій Краскела–Уолліса
Критерій Краскела–Уолліса — непараметричний метод порівняння трьох і більше незалежних груп. Він узагальнює U-критерій Манна–Уїтні (випадок двох груп) так само, як однофакторний дисперсійний аналіз (ANOVA) узагальнює t-критерій. Замість порівняння середніх він об’єднує всі спостереження, замінює кожне значення його рангом і перевіряє, чи розподілені ранги між групами рівномірно. Якщо одна група систематично містить найбільші значення, її середній ранг опиниться помітно вище загального середнього \((N+1)/2\), що збільшує статистику \(H\).
Оскільки критерій працює з рангами, він не висуває припущень про форму розподілів. Йому не потрібна нормальність, він стійкий до асиметричних даних і викидів — одне екстремальне значення може суттєво спотворити середнє, але зсуває ранг лише на фіксовану величину. Тому це стандартна альтернатива однофакторному дисперсійному аналізу, коли припущення ANOVA (приблизно нормальні залишки, подібні дисперсії) викликають сумніви, або коли дані — порядкові оціки, ранги чи бали в довільній шкалі. Логіка порівняння на основі рангів така сама, як у ранговій кореляції Спірмена.
Нульова гіпотеза стверджує, що всі групи походять з одного розподілу, тобто жодна група не дає систематично більших чи менших значень за інші. Маленьке p-значення (не більше ніж \(\alpha\)) означає, що спостережувані відмінності рангів малоймовірні за випадкової вибірки, тож нульову гіпотезу відхиляють і роблять висновок, що принаймні одна група відрізняється. Зауважте, чого критерій не каже: які саме групи відрізняються між собою. З’ясувати це можна апостеріорною процедурою, як-от критерій Данна, або парними U-критеріями Манна–Уїтні з порогом, скоригованим за Бонферроні: \(\alpha / (k(k-1)/2)\). Якщо ви не впевнені, як тлумачити результат, калькулятор p-значення докладніше пояснює логіку перевірки значущості.
З медіанами варто бути обережними. Строго кажучи, критерій Краскела–Уолліса порівнює розподіли в цілому (чи мають значення однієї групи тенденцію переважати значення іншої). Як порівняння медіан його можна трактувати лише тоді, коли розподіли груп мають приблизно однакову форму і розкид. Калькулятор показує медіану і середній ранг кожної групи, щоб було видно, звідки беруться відмінності, але формальний висновок завжди стосується розподілів, а не однієї підсумкової статистики.
Припущення, обмеження та практичні поради
- Незалежні вибірки. Групи мають бути непов’язаними (у кожній — різні досліджувані). Для парних даних або повторних вимірювань критерій Краскела–Уолліса не підходить — у таких планах зазвичай застосовують критерій Фрідмана.
- Незалежні спостереження всередині груп. Кожне значення має походити від іншого досліджуваного або експериментальної одиниці; повторні вимірювання тієї самої одиниці штучно збільшують ефективний обсяг вибірки.
- Порядкові або неперервні дані. Значення принаймні мають піддаватися ранжуванню. Номінальні категорії (кольори, групи крові) так перевірити не можна — для категорійних даних використовуйте критерій хі-квадрат.
- Апроксимація хі-квадрат. p-значення отримують, апроксимуючи \(H'\) розподілом \(\chi^2_{k-1}\). Це найточніше, коли кожна група містить принаймні 5 спостережень. За менших груп ставтеся до p-значення з обережністю; краще застосувати точний або переставний метод.
- Зв’язки обробляються коректно. Однаковим значенням присвоюється середній ранг, а статистика коригується коефіцієнтом \(C\), тому помірна кількість зв’язків (типова для рейтингових шкал) — не проблема. Калькулятор показує і \(H\), і скориговану \(H'\), тож видно розмір поправки.
- Подібні розподіли полегшують тлумачення. Якщо групи мають явно різні форми або дисперсії, значущий \(H'\) відображає відмінність усього розподілу, а не обов’язково лише в центрі.
- Розміри груп можуть бути різними. Формула враховує нерівні \(n_j\); лише дуже малі групи послаблюють апроксимацію хі-квадрат.
Часті запитання
Як обчислити статистику H критерію Краскела–Уолліса вручну?
Спочатку ранжуйте всі N спостережень усіх груп разом, присвоюючи однаковим значенням середній з їхніх рангів. Підсумуйте ранги в кожній групі, щоб отримати \(R_j\), а потім застосуйте \( H = \frac{12}{N(N+1)} \sum \frac{R_j^2}{n_j} - 3(N+1) \). Якщо є зв’язки, поділіть H на поправочний коефіцієнт \( C = 1 - \sum(t^3 - t)/(N^3 - N) \). Порівняйте \(H'\) з розподілом хі-квадрат із \(k-1\) ступенями вільності, щоб отримати p-значення. Свої ручні обчислення перевірте за проміжними результатами калькулятора.
Яким має бути «добре» або типовий результат критерію Краскела–Уолліса?
Універсального «хорошого» значення не існує — H залежить від кількості груп і загального обсягу вибірки. Загалом H близько 0 означає дуже подібні рангові розподіли груп, тоді як більші H вказують на реальні відмінності. Важливо, чи перевищує H критичне значення хі-квадрат за ваших ступенів вільності: за \(k=3\) груп (2 ступені вільності) критичне значення на рівні 0,05 дорівнює 5,991, тож H′ вище цього є значущим на 5%-му рівні. H завжди читайте разом із його p-значенням.
Чи можна застосовувати критерій Краскела–Уолліса лише до двох груп?
Технічно його можна обчислити, але для двох груп він математично еквівалентний двосторонньому U-критерію Манна–Уїтні, і усталеним вибором є окремий критерій Манна–Уїтні. Цей калькулятор вимагає щонайменше трьох заповнених груп. Якщо груп лише дві, скористайтеся калькулятором U-критерію Манна–Уїтні, а якщо дані парні або це повторні вимірювання в різних умовах, критерій Краскела–Уолліса взагалі не підходить — застосуйте критерій Фрідмана.
Як звітувати результати критерію Краскела–Уолліса, наприклад у науковій статті?
Типове речення в стилі APA: «Критерій Краскела–Уолліса виявив статистично значущу відмінність у задоволеності між трьома методами лікування, \(H'(2) = 9.77\), \(p = .008\)». Наводьте скориговану статистику (з урахуванням поправки на зв’язки), ступені вільності в дужках і точне p-значення. Зазначайте розміри груп і медіани (або середні ранги), щоб читачі бачили, де саме відмінності, та описуйте апостеріорні порівняння, як-от критерій Данна зі скоригованими p-значеннями.
Чи припускає критерій Краскела–Уолліса однакові розміри груп або однакові дисперсії?
Ні. Формула безпосередньо враховує різні розміри груп \(n_j\), а оскільки критерій працює з рангами, а не з початковими значеннями, йому, на відміну від ANOVA, не потрібні однакові дисперсії (гомоскедастичність). Головне практичне обмеження — апроксимація хі-квадрат, яка стає грубою, коли група має менше ніж приблизно 5 спостережень; тоді ставтеся до p-значення як до приблизного або застосуйте точний/переставний метод. Найризиковіша комбінація — дуже неврівноважений план із крихітними групами.
Чому мій H′ більший за H, і чи важлива поправка на зв’язки?
За наявності зв’язків поправка завжди зменшує коефіцієнт C нижче 1, тому ділення на C може лише збільшити статистику: \(H' \ge H\). Це компенсує той факт, що зв’язки роблять дані менш інформативними й без поправки занижували б H. За великої кількості зв’язків — типово для рейтингових шкал на кшталт 1–5 або 0–10 — поправка може помітно змінити p-значення, іноді змінюючи висновок щодо вашого порогу значущості. Саме тому калькулятор показує і H, і H′, щоб ви бачили розмір цього ефекту.
Які типові помилки при використанні критерію Краскела–Уолліса?
Найпоширеніші помилки: застосування до парних даних або повторних вимірювань (замість цього використовуйте критерій Фрідмана); введення вимірювань одних і тих самих досліджуваних як окремих груп; трактування значущого результату як доказу, що кожна група відрізняється від кожної (він лише свідчить, що відрізняється принаймні одна — потрібні апостеріорні критерії, як-от критерій Данна); і твердження, що критерій порівнює медіани, коли розподіли груп явно різні за формою. Також не змішуйте в одному аналізі змінні, виміряні в різних шкалах, і пам’ятайте, що велике p-значення не доводить однаковості розподілів.