Friedman 檢定

Friedman 檢定是一種非參數檢定,用於比較三個或更多相關組或處理條件。它是重複量測變異數分析的非參數對應方法,用於同一受試物件、集區或試驗單位在多種條件下被量測、且資料不滿足常態性要求的情形。

最後審閱

核心要點

Friedman 檢定是一種非參數檢定,用於比較三個或更多相關組或處理條件。

本頁內容
  1. 什麼是 Friedman 檢定?
  2. 何時使用 Friedman 檢定?
  3. 正確使用 Friedman 檢定的指南
  4. 替代方法:何時不宜使用 Friedman 檢定
  5. Friedman 檢定範例
  6. 如何進行 Friedman 檢定

什麼是 Friedman 檢定?

Friedman 檢定是一種非參數檢定,用於比較三個或更多相關組或處理條件。它是重複量測變異數分析的非參數對應方法,用於同一受試物件、集區或試驗單位在多種條件下被量測、且資料不滿足常態性要求的情形。該檢定在每個集區內對數值排等級,並比較各處理組的等級和。

簡要定義:一種比較施加於相同受試物件或集區的多個相關處理的檢定,即重複量測變異數分析的非參數版本。

何時使用 Friedman 檢定?

  • 在比較 三個或更多相關或配對的條件 時使用,即同一受試物件在不同處理下的重複量測。
  • 在資料 不服從常態分配,且各組由集區變數關聯時使用。
  • 用作 重複量測變異數分析的非參數替代方法。
  • 在 感官評價、臨床試驗或品質研究 中使用,其中同一批物品或人員在多種條件下接受評估。

正確使用 Friedman 檢定的指南

  • 將資料組織成 雙向結構:列為集區(受試物件/批次),欄為處理條件。
  • 每個集區必須接受 所有處理條件:集區內缺少處理會使檢定無效。
  • 顯著的結果只表明 至少有一個處理不同:請繼續用 Wilcoxon 成對比較來確定是哪些處理。
  • 至少收集 5 個集區,以便進行可靠的基於等級的比較。

替代方法:何時不宜使用 Friedman 檢定

  • 如果資料 服從常態分配,請使用 重複量測變異數分析
  • 如果各組 完全獨立且沒有集區,請使用 Kruskal-Wallis 檢定
  • 如果只比較 兩個相關條件,請改為對配對差值使用 單樣本 Wilcoxon 檢定。

Friedman 檢定範例

某市場分析人員想確定廣告類型是否影響客戶的反應率。對 12 個客戶,分析人員記錄了在 1 年期間使用直郵、報紙和雜誌廣告後的反應百分比。因此,每個客戶提供一組三個相關觀測。步驟如下:

  1. 收集必要的資料。
Fried Man — figure 1
  1. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  2.  要找到 Friedman 檢定,請選擇 Statistical module> Nonparametric > Fried Man.
  3.  在工具內,輸入資料及其他輸入項如下:
Fried Man — figure 2

5. 使用上述工具後,得到的輸出如下:

Fried Man — figure 3

如何進行 Friedman 檢定

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> Nonparametric>Fried Man。
  3. 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  4. 接下來,填寫必需的選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

在 Friedman 檢定的工具介面中,視窗分為兩部分。

Fried Man — figure 4

左側是資料窗格(Data Pane)。在 Data Pane 中,每一列構成一個子群組。可手動輸入資料,也可從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

Load example: 將載入範例資料。

Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Response: 選擇包含您要在各處理之間比較的 所測結果或成績 的欄。這是被檢定的變數,例如品質評級、量測值或績效得分。該欄中的每個值代表在特定處理下、特定集區內記錄的一個觀測。
  • Treatment: 選擇標示每個觀測屬於哪個 處理條件或組 的欄。處理代表被比較的不同條件、方法、製程或時間點,例如三臺不同的機器、四名不同的操作員或五種不同的配方。Friedman 檢定在考慮集區效應之後,評估這些處理產生的反應值是否存在顯著差異。
  • Blocks: 選擇標示每個觀測屬於 哪個集區的欄。集區是代表自然變異來源的分組變數,該來源並非直接關注物件,例如受試物件、批次、日期或試驗單位。每個集區接受所有處理條件,使檢定能從分析中剔除集區間變異,只關注處理之間的差異。如果沒有恰當的集區,真實的處理差異可能被受試物件或批次之間無關的變異所掩蓋。

常見問題

什麼是 Friedman 檢定?

Friedman 檢定是一種比較三個或更多相關組或處理條件的非參數檢定。它是重複量測變異數分析的非參數對應方法,用於同一受試物件、集區或試驗單位在多種條件下被量測、且資料不滿足常態性要求的情形。它在每個集區內對數值排等級,並比較各處理的等級和。

什麼情況下應使用 Friedman 檢定,而不是 Kruskal-Wallis 檢定或重複量測變異數分析?

當三個或更多條件透過集區變數相關聯,且資料不服從常態分配時,使用 Friedman 檢定。如果資料服從常態分配,請使用重複量測變異數分析。如果各組完全獨立且沒有集區,請使用 Kruskal-Wallis 檢定。若只有兩個相關條件,請對配對差值使用單樣本 Wilcoxon 檢定。

Friedman 檢定對資料有什麼要求?

將資料組織成雙向結構,以受試物件或批次等集區為列,以處理條件為欄。每個集區必須接受所有處理條件,因為集區內缺少處理會使檢定無效。至少收集 5 個集區,以便進行可靠的基於等級的比較。

Friedman 檢定結果顯著意味著什麼?

顯著的結果只表明至少有一個處理與其他處理不同。它不會告訴您具體是哪些處理不同,因此請繼續用 Wilcoxon 成對比較來確定。在廣告範例中,12 個客戶各自給出了直郵、報紙和雜誌廣告的反應率,每個客戶構成三個相關觀測。