ANOVA 的非参数替代方法,用于测试多个品牌偏好之间的差异

机器算法验证 方差分析 非参数 克鲁斯卡尔-沃利斯测试
2022-04-12 06:38:35

我收集了大约 200 位顾客对 5 家国际快餐连锁店的品牌偏好的数据。每位顾客都被要求从高到低对所有 5 个品牌进行排名(5 个代表最喜欢,1 个代表最不喜欢的品牌)。品牌排名会因人而异。

我想测试品牌偏好之间是否存在显着差异。

乍一看,ANOVA 似乎是一个不错的选择。我们可以取每个品牌的平均排名,然后进行方差分析。但问题是,等级不能被视为尺度,因为等级之间的空间可能不相等。(例如,根据客户的偏好,Brand-2 和 Brand-3 可能与 Brand-1 和 Brand-2 有很大不同)。

那么,测试品牌偏好是否显着不同的最佳替代方法是什么?我认为我应该采用一些非参数检验,例如对几个中位数而不是平均值的检验。您对此有何建议?Kruskal-Wallis 在这里会是一个有效的测试吗?

您能否给我一些指示,说明我应该如何执行您在 R 或 SPSS 中提出的任何建议?

2个回答

答案是弗里德曼检验它是非参数的,正如您在 Wikipedia 上看到的那样,也有与您的非常相似的示例(“n 个葡萄酒评判每种评价 k 种不同的葡萄酒。任何葡萄酒的排名是否始终高于或低于其他葡萄酒?”)。

请参阅将数据矩阵作为输入的 R 包pgirmess和friedman.test() 函数。请注意,如果您的原假设被拒绝,friedmanmc() 函数会进行事后分析。

Kruskal-Wallis 检验不适用于重复测量。

有两种解决方案比弗里德曼好得多。

  1. ART(对齐秩变换)方差分析,指定了错误项
  2. Wald型统计

两者都允许一个以上的分类协变量和它们之间的相互作用。