マン ホイットニー の u 検定 エクセル。 wilcoxonの順位和検定

マン=ホイットニーのU検定─エクセル統計による解析事例

マン ホイットニー の u 検定 エクセル

Contents• EZRでマンホイットニーのU検定を実施するために必要となるデータを読み込む まずは、マンホイットニーのU検定(以下、U検定)を実施するために必要なデータを解説します。 U検定は、2群の連続量を対象としたノンパラメトリック検定でした。 ということは、用意するデータは以下の2つを満たす必要があります。 連続量のデータが必要。 2群の群間比較をするので、2つのカテゴリを持つ、カテゴリカルデータが必要。 EZRでマンホイットニーのU検定を実施するのに使用するデータ ということで、今回の記事で使うデータです。 今回はA群、B群の2つの群で、LDHの平均値を比較してみます。 (データは架空のデータです。 ) 実際には、T検定で実施したときと同じデータを使います。 LDHが連続データで、Groupが群を示した変数です。 A群13例、B群11で、計24症例分のデータがあります。 EZRにU検定を実施する基となるデータを読み込む ではここから、EZRにデータを取り込みます。 まずは、サンプルデータを適切な場所に保存しておきましょう。 データセット名は「utest」にしましょう(実際はなんでもよい)。 そして「ローカルファイルシステム」と「カンマ」にチェックを入れてOKを押します。 データセットが「utest」になっていることを確認し、「表示」を押してデータが正しく表示されれば取り込み完了です。 EZRでマンホイットニーのU検定を実践する! 解析するための準備が整いましたので、早速U検定を実施してみましょう。 U検定を実施するには、以下の手順で行います。 目的変数(1つ選択)で「LDH」を選択します。 比較する群(1つ以上選択)で「Group」を選択します。 対立仮説は「両側」を選択します。 検定のタイプは「デフォルト」でOKです。 他は、いじらなくてOKです。 これで解析を実行すると、以下の解析を自動で行ってくれます。 マンホイットニーのU検定結果• 各群のレンジ、四分位範囲、中央値などの要約• では、結果の解釈をしていきましょう。 U検定の結果解釈 まずはU検定の解析結果です。 まず、Wilcoxon rank sum testと書かれてあります。 「あれ、マンホイットニーのU検定じゃなかったっけ?」って思いますよね。 実は、 マンホイットニーのU検定と、ウィルコクソン検定は同じことを実施しています。 そのため、ウィルコクソン検定の結果が出ていたとしても問題ないので、あわてないでおきましょう。 Data: LDH by factor Group とあります。 これは、GroupごとにLDHを比較したという意味です。 そして次の行にはp値が表示されています。 0138というP値を得られました。 05より小さいため、有意水準を0. 05に設定していた場合には、有意差ありという結論になります。 >> 次の行には対立仮説が表示されていますね。 「true location shift is not equal to 0」とあります。 >> 各群の中央値と四分位範囲の結果解釈 その次に、各群の中央値と四分位範囲が要約されています。 箱ひげ図も出力される 設定の際に、グラフは「箱ひげ」を出力するようにチェックを入れたので、箱ひげ図が作成されています。 詳細は箱ひげ図の記事を参照していただきたいのですが、簡単に解説します。 箱ひげ図は、箱の部分とひげの部分がある、かなり特徴的なグラフです。 箱が四分位範囲を示しています。 ひげは箱の1. 5倍(それぞれ上側に1. 5倍、下側に1. 5倍の意味)の長さまでのデータの範囲を示しています。 ひげから外れたデータは、外れ値として示されています。 これを見るだけでも、データの分布がA群とB群で異なっていることが分かります。 同じデータでT検定を実施するとどうなるのか? 以上の手順で、マンホイットニーのU検定をEZRで実施することができました。 次なる疑問は、同じデータでT検定を実施すると結果はどうなるのか!?ということ。 今回はT検定を実施した際と同じデータを使用しましたので、P値を比較しましょう。 00496が得られていますね。 つまり、T検定の結果の方が、P値が小さいことが分かります。 T検定とU検定の検定結果の違いはこのような関係になります。 本当に正規分布なのか!?ということを確認するために、ヒストグラムを作成してみましょう。 変数(1つ選択)で「LDH」を選択します。 あとは、いじらなくてOKです。 すると、以下のようなグラフが作成されました。 A群もB群も、真ん中が一番大きい山になり、そこから左右対称に例数が小さくなっているように見えます。 ということで、視覚的にも正規分布に近い、ということが確認できました。

次の

EZRの使い方:マン・ホイットニー検定(U検定) | 気楽な看護/リハビリLife

マン ホイットニー の u 検定 エクセル

今回は2群間の差の検定のひとつである「マン・ホイットニー(Mann-Whitney)検定」について実践してみたいと思います。 「マン・ホイットニー(Mann-Whitney)検定」「Mann-WhitneyのU検定」「U検定」ともいいます。 学会発表などでも使いやすい検定ですので、聞いたことがある方も多いと思います。 ノンパラメトリックな方法で、対応がないデータですので、研究がしやすいんですよね。 今回もデモデータを使用して分かりやすく実践していきます。 EZRを使っていきますが、EZRの導入については以下のサイトをご確認ください。 データのインポートについては以下のサイトをご確認ください。 簡単に実践できるようにまとめてみました。 スポンサードサーチ 目次• 2群間の差の検定方法の選択 2群間の差の検定については、検定方法がいろいろありますので間違えないようにしないといけません。 今回も図のフローチャートを参考に決定していきます。 今回は「マン・ホイットニー(Mann-Whitney)のU検定」を適応にした場合になります。 データに対応があるかどうかは、データの収集の時点で把握していると思います。 *2群の差の検定方法についてや、対応の有無については、以下のサイトを確認ください。 正規分布については、実際に確認していきます。 正規分布の確認 EZRで正規分布を確認します。 今回も正規性の検定方法を示しますが、詳しくは以下のサイトをご確認ください。 今回もデモデータを使用して、「6分間歩行距離」を「男性群」と「女性群」の 2群に分けて差の検定を行います。 男性群と女性群の「6分間歩行距離」の正規分布を確認しますので、2つの変数が対象になります。 (どちらかでも正規分布に従っていなかった場合は、ノンパラメトリックの方法になります) まずは、わかりやすいように「ヒストグラム」で2群を確認してみます。 変数を「6分間歩行距離」にして、群別する変数を「sex」として選択します。 ヒストグラムが作成されますので、2群を比較するとイメージがつきやすいです。 視覚的には左に流れていて、正規分布には従っていなさそうですよね。 一応正規性の検定も行ってみます。 このまま変数を「6分間歩行距離」とすると、男性と女性を混ぜた全てのデータの正規性を確認してしまいます。 男性、女性、それぞれの正規分布を確認したいので、 赤丸の場所に、男性だけと絞り込みが必要です。 このように男性だけのヒストグラムが作成されます。 同時に検定結果も確認します。 サンプル数が70名と少ないため、Shapiro-Wilk検定を確認します。 05ですので、 正規分布に従わないと判断できます。 女性群の正規分布を確認してもいいですが、男性群で正規分布に従っていなかったので、 ノンパラメトリックの方法になります。 今回は女性群の正規分布の確認は省略します。 今回は「6分間歩行距離」について、「男性群」と「女性群」についての比較ですので、 目的変数を「6分間歩行距離」、比較する群を「sex」と選択します。 このような、「箱ひげ図」と「検定結果」が出力されます。 P値=0. 05ですので、有意差なしという検定結果になりました。 まとめると、 「男性:431. 5(392. 2-505. 5) vs 女性:473. 5(401. 0-538. 5) であり両群に有意な差はなし」 という検定結果になります。 箱ひげ図についての確認 ノンパラメトリックの方法ですので、データは中央値で示され、図は箱ひげ図になります。 中央値や、箱ひげ図、四分位範囲などについては、以下のサイトを参考にしてください。 今回の「箱ひげ図」では、 「外れ値」として取り扱われていたデータがありましたので、外れ値について解説します。 データの分布において、他の観測値から大きく外れた値のことです。 測定ミスや入力ミスによる結果かどうかの確認が必要になります。 同じデータを「外れ値」を考えずに作成すると、以下のようになります。 変数を「歩行距離」として、群別する変数を「sex」とします。 上下のヒゲの位置を赤丸のように、「最小値、最大値」と選択します。 (一般的には「最小値、最大値」か「10、90パーセンタイル」で作成します。 ) 以下のような箱ひげ図が作成され、解釈の仕方はこのようになります。 グラフの作成から、 「外れ値」を除外して箱ひげ図を作成することもできます。 先ほど同様に変数を選択し、赤丸のところにチェックをすると 「外れ値」を除外した箱ひげ図が作成されます。 これが「外れ値」を考慮した箱ひげ図です。 このグラフが、「マン・ホイットニー(Mann-Whitney)のU検定」を行った際にグラフとして出力してきた箱ひげ図と一緒になります。 検定を掛ける際は「外れ値」が自動的に考慮されるので、グラフも上記の箱ひげ図になるようです。 スポンサードサーチ.

次の

マン・ホイットニーのU検定(エクセルでp値を出す)

マン ホイットニー の u 検定 エクセル

マン・ホイットニーのU検定 このページではノンパラメトリック手法の一つである ・マン・ホイットニーのU検定 ・Excelを用いてマン・ホイットニーのU検定(有意差なし)を行ってみよう! ・Excelを用いてマン・ホイットニーのU検定(有意差あり)を行ってみよう! について解説します。 マン・ホイットニーのU検定 マン・ホイットニーのU検定では、対応の無い2群の有意差の検定を行います。 パラメトリック手法では、対応の無い場合のt検定に近いと言えるでしょう。 標本数が少なかったり、特異な値がデータに紛れていたり、母集団が正規分布などのある分布であることを仮定できない場合に、t検定ではなくマン・ホイットニーのU検定を使用します。 また、分布に従うかどうかが微妙な場合は、t検定も行い、両方を照らし合わせて判断する場合もあります。 実際の例を用いて、手を動かすと理解しやすいため、以下の例で検定を行ってみましょう。 関連記事 Excelを用いてマン・ホイットニーのU検定(有意差なし)を行ってみよう! ある会社における電池の出荷数が場所A,Bで以下であるデータが得られたとします。 (サンプル数は同じでなくても良く、またどちらが多くても問題ありません) 次にこのデータの順位を値が最も小さいものを1位として順位付けしていきます。 同じ値のものがある場合は、それらの平均値をつけます。 順位付けができましたら、次に場所Aの値より小さい場所Bに含まれる値の個数を数え上げます。 同順位の場合は0. 5個として数え上げていきます。 そして、 この数え上げた数の総和が検定量UAに当たります。 5となります。 そしてこれをと同様に、検定量の取る分布表から両側確率の限界値と比較することで、2群に有意差があるかどうかを検定します(検定表はこちらに記載しています)。 5 に近づく性質があります。 05の限界値を読み取ると2という値になります。 5であるため、有意差なしという結果になります。 関連記事 Excelを用いてマン・ホイットニーのU検定(有意差あり)を行ってみよう! 上では有意差が無しと判定される場合の例を紹介しました。 次に有意差が有りと判定される場合のデータを用いて検定してみましょう。 上述の流れ同様、データの順位づけ、片方に着目した場合の小さい数の数え上げの順でデータを整理していきます。 関連記事.

次の