Mann-Whitney non è sensibile ai cambiamenti nella varianza con media uguale, ma può - come vedi con la forma , rilevare differenze che portano a deviare da (ad es. dove sia la media che la varianza aumentano insieme). Abbastanza chiaramente se tu avessi due normali con uguale media, le loro differenze sono simmetriche rispetto allo zero. Pertanto , che è la situazione nulla.P(X>Y)=0.5P(X>Y)0.5P(X>Y)=P(X−Y>0)=12
Ad esempio, se la distribuzione di è esponenziale con la media mentre ha una distribuzione esponenziale con media (un cambio di scala), Mann-Whitney è sensibile a ciò (in effetti, prendendo i registri di entrambi i lati, è solo un spostamento di posizione e Mann-Whitney non è influenzato dalla trasformazione monotonica).Y1Xk
-
Se sei interessato a test concettualmente molto simili a quelli di Mann-Whitney che sono sensibili alle differenze nella diffusione sotto l'uguaglianza dei mediani, ci sono molti di questi test.
C'è il test Siegel-Tukey e il test Ansari-Bradley, ad esempio, entrambi strettamente correlati al test a due campioni Mann-Whitney-Wilcoxon.
Entrambi si basano sull'idea di base di classificarsi dalle estremità.
Se usi R, il test Ansari-Bradley è integrato in ... ?ansari.test
Il Siegel-Tukey in effetti fa solo un test di Mann-Whitney-Wilcoxon su ranghi calcolati dal campione in modo diverso; se si classificano i dati da soli, in realtà non è necessaria una funzione separata per i valori p. Tuttavia, puoi trovarne alcuni, come qui:
http://www.r-statistics.com/2010/02/siegel-tukey-a-non-parametric-test-for-equality-in-variability-r-code/
-
(in relazione al commento di ttnphns sotto la mia risposta originale)
Interpreteresti eccessivamente la mia risposta per leggerla in disaccordo con @GregSnow in senso particolarmente sostanziale. C'è sicuramente una differenza nell'enfasi e in una certa misura in ciò di cui stiamo parlando, ma sarei molto sorpreso se ci fosse un vero disaccordo dietro di esso.
Citiamo Mann e Whitney: "Una statistica a seconda dei ranghi relativi delle e è proposta per verificare l'ipotesi . " È inequivocabile; supporta completamente la posizione di @ GregSnow.Uxyf=g
Ora, vediamo come viene costruita la statistica: " Consenti a contare il numero di volte che una precede unaUyx " . Ora, se il loro valore nullo è vero, la probabilità di quell'evento è ... ma ci sono altri modi per ottenere una probabilità di 0,5 e in tal senso si potrebbe pensare che il test possa funzionare in altre circostanze. Nella misura in cui stanno stimando una probabilità (ridimensionata) che > , supporta ciò che ho detto.12YX
Tuttavia, per garantire che i livelli di significatività siano esattamente corretti, è necessario che la distribuzione di corrisponda alla distribuzione nulla. Ciò deriva dal presupposto che tutte le permutazioni delle etichette delle etichette di gruppo e alle osservazioni combinate sotto il valore nullo fossero ugualmente probabili. Questo è certamente il caso di . Esattamente come ha detto @GregSnow.UXYf=g
La domanda è la misura in cui questo è il caso (ovvero che la distribuzione della statistica test corrisponde a quella derivata dal presupposto che , o approssimativamente), per il valore più generalmente espresso nullo.f=g
Credo che in molte situazioni ciò accada; in particolare per situazioni che includono ma più generali di quella che descrivi (due popolazioni normali con la stessa media ma una varianza estremamente diseguale possono essere generalizzate un po 'senza alterare la distribuzione risultante in base ai gradi), credo che la distribuzione della statistica del test risulta avere la stessa distribuzione con cui è stata derivata e quindi dovrebbe essere valida lì. Ho fatto alcune simulazioni che sembrano supportare questo. Tuttavia, non sarà sempre un test molto utile (potrebbe avere uno scarso potere).
Non offro alcuna prova che sia così. Ho applicato un po 'di intuizione / argomento ondulato a mano e ho anche fatto alcune simulazioni di base che suggeriscono che è vero - che il Mann-Whitney funziona (in quanto ha la distribuzione "giusta" sotto il nulla) molto più ampiamente di quando .f=g
Rendi ciò che vuoi, ma non lo considero un sostanziale disaccordo con @GregSnow
Riferimento: documento originale di Mann & Whitney