【R講座】クラスカル・ウォリス検定

クラスカル・ウォリス検定とは

クラスカル・ウォリス検定は、3群以上の順位データを比較するためのノンパラメトリック検定です。この検定は、一元配置分散分析のノンパラメトリック版とも言えます。

関数の構造と引数オプション

Rでクラスカル・ウォリス検定を行うには、kruskal.test()関数を使用します。

分析の実践

次のステップでデータを分析していきます。

使用するデータ

この講座では、説明のために同じ CSV データを使い回しています。
実際には、データの性質（分布・尺度・サンプル数など）に合わせて、適切な統計検定を選びましょう。

データの読み込み

まずは、次のコードを使って、オブジェクト「data」にread.csv()関数でcsvファイルのデータを代入します。

# データの読み込み
data <- read.csv(file.choose(),
                 check.names = F)

データの前処理

次に、データの因子変換をします。

Rでは説明変数をFactor型のデータとします。今回の分析ではTemperature (°C)を説明変数とするので、as.factor()関数でデータ型をinteger型からFactor型に変更します。

# 説明変数をデータ型をFactor型に変更
data$`Temperature (°C)` <- as.factor(data$`Temperature (°C)`)

実行結果は、Environmentタブで確認できます。Temperature (°C)のデータ型がinteger型（左図）からFactor型（右図）に変わります。

クラスカル・ウォリス検定

入力法方はフォーミュラ型で、目的変数はHeight (cm)のデータ、説明変数はTemperature (°C)としています。目的変数を変更すれば、Weight (g)のデータを検定できます。

# クラスカル・ウォリス検定の実行
kruskal.test(data$`Height (cm)` ~ data$`Temperature (°C)`)

結果の見方

検定を実行した結果は、コンソールペインに表示されます。

	Kruskal-Wallis rank sum test

data:  data$`Height (cm)` by data$`Temperature (°C)`
Kruskal-Wallis chi-squared = 18.97, df = 2, p-value = 7.597e-05

この結果から、p値が0.05より小さいため、少なくとも1つのグループの中央値に有意な差があると判断することができます。