Il test di Mann-Whitney può essere utilizzato per confronti post-hoc dopo Kruskal-Wallis?

Ho una simulazione in cui un animale viene posto in un ambiente ostile e temporizzato per vedere quanto tempo può sopravvivere usando un approccio alla sopravvivenza. Ci sono tre approcci che può usare per sopravvivere. Ho eseguito 300 simulazioni dell'animale usando ogni approccio di sopravvivenza. Tutte le simulazioni avvengono nello stesso ambiente ma c'è una certa casualità, quindi ogni volta è diversa. Tempo quanti secondi l'animale sopravvive in ogni simulazione. Vivere più a lungo è meglio. I miei dati si presentano così:

Approach 1, Approach 2, Approach 2
45,79,38
48,32,24
85,108,44
... 300 rows of these

Non sono sicuro di tutto ciò che faccio dopo questo punto, quindi fatemi sapere se sto facendo qualcosa di stupido e sbagliato. Sto cercando di scoprire se c'è una differenza statistica nella durata della vita usando un approccio particolare.

Ho eseguito un test Shapiro su ciascuno dei campioni e sono tornati con minuscoli valori di p, quindi credo che i dati non siano normalizzati.

I dati sulle righe non hanno relazioni reciproche. Il seme casuale usato per ogni simulazione era diverso. Di conseguenza, credo che i dati non siano associati.

Poiché i dati non sono normalizzati, non accoppiati e c'erano più di due campioni, ho eseguito un test Kruskal Wallis che è tornato con un valore p di 0,048. Poi sono passato a un post hoc, selezionando Mann Whitney. In realtà non sono sicuro se Mann Whitney dovrebbe essere usato qui.

Ho confrontato ogni approccio di sopravvivenza con l'altro approccio eseguendo il test di Mann Whitney, cioè {(approccio 1, approccio 2), (approccio 1, approccio 3), (approccio 2, approccio 3)}. Non è stato trovato alcun significato statistico tra la coppia (approccio 2, approccio 3) utilizzando un test a due code, ma è stata rilevata una differenza di significato utilizzando un test a una coda.

I problemi:

1. Non so se usare Mann Whitney in questo modo abbia senso.
2. Non so se dovrei usare un Mann Whitney a una o due code.

No, in questa circostanza non dovresti usare il test Mann-Whitney .$U$

Ecco perché: il test di Dunn è un appropriato post hoc di prova ^* in seguito al rifiuto di un test di Kruskal-Wallis. Se si procede passando da un rifiuto di Kruskal-Wallis all'esecuzione di test ordinari di somma di rango a coppie (ovvero Wilcoxon o Mann-Whitney), si ottengono due problemi: (1) i gradi utilizzati per i test di somma di rango a coppia sono non i gradi usati dal test Kruskal-Wallis; e (2) i test di somma dei ranghi non usano la varianza aggregata implicata nell'ipotesi nulla di Kruskal-Wallis. Il test di Dunn non ha questi problemi

I test post hoc a seguito del rifiuto di un test di Kruskal-Wallis che sono stati adeguati per confronti multipli possono non riuscire a rifiutare tutti i test a coppie per un dato tasso di errore familiare o dato un tasso di scoperta falso corrispondente a un dato per il test omnibus, solo come con qualsiasi altro scenario di confronto multiplo omnibus / test post hoc .$\alpha$

A meno che tu non abbia motivo di credere che il tempo di sopravvivenza di un gruppo sia più lungo o più breve di quello di un altro a priori , dovresti usare i test su due lati.

Il test di Dunn può essere eseguito in Stata usando dunntest (tipo net describe dunntest, from(https://www.alexisdinno.com/stata)) e in R usando il pacchetto dunn.test .

Inoltre, mi chiedo se potresti adottare un approccio di analisi della sopravvivenza per valutare se e quando un animale muore in base a condizioni diverse?

^* Alcuni test di coppia post hoc meno noti per seguire un Kruskal-Wallis respinto, includono Conover-Iman (come Dunn, ma basato sulla distribuzione t , piuttosto che sulla distribuzione z , implementato per Stata nel pacchetto più complicato , e per R nel pacchetto conover.test ) e i test Dwass-Steel-Citchlow-Fligner.

Una generalizzazione unificante di Kruskal-Wallis / Wilcoxon è il modello di probabilità proporzionale, che ammette contrasti generali con intervalli di confidenza puntuali o simultanei per i rapporti di probabilità. Questo è implementato nel mio rmspacchetto R orme nelle contrast.rmsfunzioni.

Puoi anche usare la differenza critica dopo Conover o la differenza critica dopo Schaich e Hamerle. Il primo è più liberale mentre il secondo è esatto ma manca un po 'di potere. Entrambi i metodi sono illustrati sul mio sito web brightstat.com e la webapp di brightstat ti consente anche di calcolare queste differenze critiche ed eseguire subito i test post-hoc. Kruskal-Wallis su brightstat.com

Se si utilizza SPSS, eseguire la correzione Mann-Whitney post-hoc con correzione Bonferroni (valore p diviso per il numero di gruppi).