Siegel Tukey test |
| 15.02.2013, 20:17 | Auf diesen Beitrag antworten » | |||||
| MoMO | Siegel Tukey test Hallo Leute, Ich soll im Rahmen einer Seminararbeit einen Code mit der Programmiersprache R schreiben, welcher den Rangsummentest von Siegel Tukey durchführt. Nun bin ich leider Anfänger auf diesem gebiet. ich hab einwenig gegoogelt um mir Inspirationen zu holen und stoße immer wieder auf diesen Code der wohl Allgegenwärtig zu sein scheint: siegel.tukey <- function(x, y, id.col = FALSE, adjust.median = F, rnd = -1, alternative = "two.sided", mu = 0, paired = FALSE, exact = FALSE, correct = TRUE, conf.int = FALSE, conf.level = 0.95) { ###### published on: # http://www.r-statistics.com/2010/02/sieg...ability-r-code/ ## Main author of the function: Daniel Malter # x: a vector of data # y: Group indicator (if id.col=TRUE); data of the second # group (if # id.col=FALSE). If y is the group indicator it MUST take 0 # or 1 to indicate # the groups, and x must contain the data for both groups. # id.col: If TRUE (default), then x is the data column and y # is the ID column, # indicating the groups. If FALSE, x and y are both data # columns. id.col must # be FALSE only if both data columns are of the same length. # adjust.median: Should between-group differences in medians # be leveled before # performing the test? In certain cases, the Siegel-Tukey # test is susceptible # to median differences and may indicate significant # differences in # variability that, in reality, stem from differences in # medians. # rnd: Should the data be rounded and, if so, to which # decimal? The default # (-1) uses the data as is. Otherwise, rnd must be a # non-negative integer. # Typically, this option is not needed. However, # occasionally, differences in # the precision with which certain functions return values # cause the merging # of two data frames to fail within the siegel.tukey # function. Only then # rounding is necessary. This operation should not be # performed if it affects # the ranks of observations. # … arguments passed on to the Wilcoxon test. See # ?wilcox.test # Value: Among other output, the function returns the data, # the Siegel-Tukey # ranks, the associated Wilcoxon’s W and the p-value for a # Wilcoxon test on # tie-adjusted Siegel-Tukey ranks (i.e., it performs and # returns a # Siegel-Tukey test). If significant, the group with the # smaller rank sum has # greater variability. # References: Sidney Siegel and John Wilder Tukey (1960) “A # nonparametric sum # of ranks procedure for relative spread in unpaired # samples.” Journal of the # American Statistical Association. See also, David J. # Sheskin (2004) # ”Handbook of parametric and nonparametric statistical # procedures.” 3rd # edition. Chapman and Hall/CRC. Boca Raton, FL. # Notes: The Siegel-Tukey test has relatively low power and # may, under certain # conditions, indicate significance due to differences in # medians rather than # differences in variabilities (consider using the argument # adjust.median). # Output (in this order) # 1. Group medians (after median adjustment if specified) # 2. Wilcoxon-test for between-group differences in medians # (after the median # adjustment if specified) # 3. Data, group membership, and the Siegel-Tukey ranks # 4. Mean Siegel-Tukey rank by group (smaller values indicate # greater # variability) # 5. Siegel-Tukey test (Wilcoxon test on tie-adjusted # Siegel-Tukey ranks) is.formula <- function(x) class(x) == "formula" if (is.formula(x)) { y <- do.call(c, list(as.name(all.vars(x)[2])), envir = parent.frame(2)) x <- do.call(c, list(as.name(all.vars(x)[1])), envir = parent.frame(2)) # I am using parent.frame(2) since if the name of the variable in the equation is 'x', then we will mistakenly get the function in here instead of the vector. id.col <- TRUE # print(x) # print(ls.str()) # data=data.frame(c(x,y),rep(c(0,1),c(length(x),length(y)))) # print(data) } if (id.col == FALSE) { data = data.frame(c(x, y), rep(c(0, 1), c(length(x), length(y)))) } else { data = data.frame(x, y) } names(data) = c("x", "y") data = data[order(data$x), ] if (rnd > -1) { data$x = round(data$x, rnd) } if (adjust.median == T) { cat("\n", "Adjusting medians...", "\n", sep = "") data$x[data$y == 0] = data$x[data$y == 0] - (median(data$x[data$y == 0])) data$x[data$y == 1] = data$x[data$y == 1] - (median(data$x[data$y == 1])) } cat("\n", "Median of group 1 = ", median(data$x[data$y == 0]), "\n", sep = "") cat("Median of group 2 = ", median(data$x[data$y == 1]), "\n", "\n", sep = "") cat("Testing median differences...", "\n") print(wilcox.test(data$x[data$y == 0], data$x[data$y == 1])) # The following must be done for the case when id.col==F x <- data$x y <- data$y cat("Performing Siegel-Tukey rank transformation...", "\n", "\n") sort.x <- sort(data$x) sort.id <- data$y[order(data$x)] data.matrix <- data.frame(sort.x, sort.id) base1 <- c(1, 4) iterator1 <- matrix(seq(from = 1, to = length(x), by = 4)) - 1 rank1 <- apply(iterator1, 1, function(x) x + base1) iterator2 <- matrix(seq(from = 2, to = length(x), by = 4)) base2 <- c(0, 1) rank2 <- apply(iterator2, 1, function(x) x + base2) #print(rank1) #print(rank2) if (length(rank1) == length(rank2)) { rank <- c(rank1[1:floor(length(x)/2)], rev(rank2[1:ceiling(length(x)/2)])) } else { rank <- c(rank1[1:ceiling(length(x)/2)], rev(rank2[1:floor(length(x)/2)])) } unique.ranks <- tapply(rank, sort.x, mean) unique.x <- as.numeric(as.character(names(unique.ranks))) rank.matrix <- data.frame(unique.x, unique.ranks) ST.matrix <- merge(data.matrix, rank.matrix, by.x = "sort.x", by.y = "unique.x") print(ST.matrix) cat("\n", "Performing Siegel-Tukey test...", "\n", sep = "") ranks0 <- ST.matrix$unique.ranks[ST.matrix$sort.id == 0] ranks1 <- ST.matrix$unique.ranks[ST.matrix$sort.id == 1] cat("\n", "Mean rank of group 0: ", mean(ranks0), "\n", sep = "") cat("Mean rank of group 1: ", mean(ranks1), "\n", sep = "") print(wilcox.test(ranks0, ranks1, alternative = alternative, mu = mu, paired = paired, exact = exact, correct = correct, conf.int = conf.int, conf.level = conf.level)) } einiges ist ja oben schon erklärt ich verstehe viele sachen aber überhaupt nicht ein beispiel für eine Ausgabe sieht wie folgt aus: sort.x sort.id unique.ranks 1. 0 1 2.5 2 . 0 1 2.5 3. 1 1 5.0 4. 4 0 8.5 5. 4 0 8.5 6. 5 0 11.5 7. 5 0 11.5 8. 6 0 8.5 9. 6 0 8.5 10. 9 1 6.0 11. 10 1 2.5 12. 10 1 2.5 Durführung des Siegel-Tukey Tests Durchschnittsrang Gruppe 0: 9.5 Durchschnittsrang Gruppe 1: 3.5 W = 36, p-value = 0.003601 Den Siegel Tukey Test an sich versteh ich natürlich und das Programm erfüllt seinen Zweck vielleicht könntet ihr mir weiterhelfen in dem ihr einige Befehle kommentiert z.b wie er denn Die Tabbele erstellt usw. vielen Dank im Voraus und einen schönen Freitag abend wünsch ich noch 
|
|||||
|
|
||||||
| 17.02.2013, 19:01 | Auf diesen Beitrag antworten » | |||||
| Karlito | Hallo, wenn Du den Skript in der R-Konsole lädst und dann
aufrufst, dann wird die Funktion siegel.tukey in den Debug-Modus versetzt. Beim nächsten Aufruf siehst du dann die schrittweise Abarbeitung. Mit print(<<Variablenname>>) kannst du die dann auch die aktuelle Belegung einer Variable ausgeben lassen. help(<<Funktionsname>>) gibt dir die Dokumentation von einer gewünschten Funktion zurück. Unter http://cran.r-project.org/doc/manuals/r-release/R-lang.pdf findest du die Sprachspezifikation von R. Ich denke das sollte helfen. Solltest Du trotzdem etwas nicht verstehen, kannst Du hier gerne noch konkrete Fragen stellen. VG, Karlito |
|||||
| 18.02.2013, 16:56 | Auf diesen Beitrag antworten » | |||||
| MoMO | Hallo Karlito, Danke dir fürs Antworten also ich hab das mal gemacht und der gibt mir dann das hier aus: debugging in: siegel.tukey() debug bei #3:{ is.formula <- function(x) class(x) == "formula" if (is.formula(x)) { y <- do.call(c, list(as.name(all.vars(x)[2])), envir = parent.frame(2)) x <- do.call(c, list(as.name(all.vars(x)[1])), envir = parent.frame(2)) id.col <- TRUE } if (id.col == FALSE) { data = data.frame(c(x, y), rep(c(0, 1), c(length(x), length(y)))) } else { data = data.frame(x, y) } names(data) = c("x", "y") data = data[order(data$x), ] if (rnd > -1) { data$x = round(data$x, rnd) } if (adjust.median == T) { cat("\n", "Adjusting medians...", "\n", sep = "") data$x[data$y == 0] = data$x[data$y == 0] - (median(data$x[data$y == 0])) data$x[data$y == 1] = data$x[data$y == 1] - (median(data$x[data$y == 1])) } cat("\n", "Median of group 1 = ", median(data$x[data$y == 0]), "\n", sep = "") cat("Median of group 2 = ", median(data$x[data$y == 1]), "\n", "\n", sep = "") cat("Testing median differences...", "\n") print(wilcox.test(data$x[data$y == 0], data$x[data$y == 1])) x <- data$x y <- data$y cat("Performing Siegel-Tukey rank transformation...", "\n", "\n") sort.x <- sort(data$x) sort.id <- data$y[order(data$x)] data.matrix <- data.frame(sort.x, sort.id) base1 <- c(1, 4) iterator1 <- matrix(seq(from = 1, to = length(x), by = 4)) - 1 rank1 <- apply(iterator1, 1, function(x) x + base1) iterator2 <- matrix(seq(from = 2, to = length(x), by = 4)) base2 <- c(0, 1) rank2 <- apply(iterator2, 1, function(x) x + base2) if (length(rank1) == length(rank2)) { rank <- c(rank1[1:floor(length(x)/2)], rev(rank2[1:ceiling(length(x)/2)])) } else { rank <- c(rank1[1:ceiling(length(x)/2)], rev(rank2[1:floor(length(x)/2)])) } unique.ranks <- tapply(rank, sort.x, mean) unique.x <- as.numeric(as.character(names(unique.ranks))) rank.matrix <- data.frame(unique.x, unique.ranks) ST.matrix <- merge(data.matrix, rank.matrix, by.x = "sort.x", by.y = "unique.x") print(ST.matrix) cat("\n", "Performing Siegel-Tukey test...", "\n", sep = "") ranks0 <- ST.matrix$unique.ranks[ST.matrix$sort.id == 0] ranks1 <- ST.matrix$unique.ranks[ST.matrix$sort.id == 1] cat("\n", "Mean rank of group 0: ", mean(ranks0), "\n", sep = "") cat("Mean rank of group 1: ", mean(ranks1), "\n", sep = "") print(wilcox.test(ranks0, ranks1, alternative = alternative, mu = mu, paired = paired, exact = exact, correct = correct, conf.int = conf.int, conf.level = conf.level)) } jetzt habe ich keine gravierenden Unterschiede zum Originalcode enentdecken können ! liegt das an mir oder tut sich da tatsächlich nicht viel? wenn ich den Befehl help(siegel.tukey) eingebe steht da: No documentation for ‘siegel.tukey’ in specified packages and libraries: you could try ‘??siegel.tukey’ muss ich vllt bestimmte Pakete runterladen? VG MoMo |
|||||
| 18.02.2013, 19:53 | Auf diesen Beitrag antworten » | |||||
| Karlito | Hallo, es ging mir auch nicht darum, den Code anders darzustellen. Es ging mir darum, dass du den Code selbstständig nachvollziehen kannst, da ich ehrlich gesagt wenig Lust habe, das für dich zu übernehmen. Die Hilfefunktion funktioniert für eingebaute Funktionen von R. Du könntest also z.B. nachvollziehen, was "do.call" macht. Ich habe bisher nicht viel mit R gemacht. Somit müsste ich nahezu die selbe Arbeit investieren wie Du. Darum bitte ich dich selbst zu recherchieren und wenn Du nicht weiter kommst noch einmal nachzufragen. Dann können wir gemeinsam versuchen das Problem zu lösen. Hinweise, die sicher helfen: - "x <- irgendwas" ist eine Zuweisung von irgendwas auf x. Ansonsten ist R sehr ähnlich zu anderen Programmiersprachen. - c(1, 2) ist ein zweilelementiger Vektor mit den Werten 1 und 2 - R ist ein wenig speziell. wenn du einen zweielementigen Vektor mit einem 4 elementigen Vektor multiplizierst, dann wird der zweilementige Vektor solange "wiederholt", bis er mit dem 4-Elementigen Vektor multiplizierbar ist. - R macht mit dem * Operator kein Skalar oder Matrixprodukt. Es wird komponentenweise multipliziert. Also z.B.: VG, Karlito |
|||||
| Anzeige | ||||||
|
|
||||||
|
|
Verwandte Themen
| Die Beliebtesten » |
|
| Die Größten » |
|
| Die Neuesten » |
