Kruskal wallis et test post hoc

Bonjour à tous,
je réalise des tests sur la croissance de pieds de plante soumis à différentes températures mais aussi à différentes conditions : Témoin, Témoin solvant, Cuivre, COcktail, Coktail+ Cuivre.
Mes données n'étant pas normales (et même si je passe en Log 10 elles ne le sont pas), je me suis donc dirigé vers un test non paramétrique de Kruskal wallis pour voir si d'une part mes croissances varient avec la température et si d'autre part mes croissances sont différentes selon les conditions.

Enfin, je voudrais savoir qui différe de qui, si mon Kruskal wallis m'indique que oui, il y a bien des différences. J'ai tapé ces codes là sur le logiciel R, mais je ne suis pas sûr de la syntaxe pour le Kruskal wallis, et encore moins du choix du test post Hoc qui me donne cela comme résultats :

Code:

 Pairwise comparisons using Wilcoxon rank sum test

data:  Cr and Tempe

  10      20   
20 0.15    -     
28 4.4e-11 1.8e-06

P value adjustment method: holm

puis, pour les conditions de croissance :

Code:


  Pairwise comparisons using Wilcoxon rank sum test

data:  Cr and Type

    CO    CU    CUCO  T   
CU  1.0000 -      -      -   
CUCO 1.0000 1.0000 -      -   
T    0.0114 0.0697 0.0031 -   
TS  0.0732 0.0886 0.0051 1.0000

P value adjustment method: holm
Messages d'avis :
1: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
2: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
3: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
4: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
5: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
6: In wilcox.test.default(xi, xj, paired = paired, ...) :
  impossible de calculer la p-value exacte avec des ex-aequos
>


Voici les lignes de codes tapées, si quelqu'un peut m'aider à trouver les bonnes lignes de code pour obtenir des réponses à mes questions...

Code:


[data10<-read.table("MF.txt",header=TRUE,dec=".",sep="\t")
data10

head(data10)
tail(data10)

shapiro.test(data10[,"Croissance"])

names(data10)
summary(data10)

Type=data10$Type
Type
Tempe=data10$Température
Tempe
Cr=data10$Croissance
Cr

kT<-kruskal.test(Tempe,Cr)
kT

kTy<-kruskal.test(Type,Cr)
kTy


Je vous le réecris d'une seule traite, désolé pour le bug et merci par avance pour votre aide.

Code:

[data10<-read.table("MF.txt",header=TRUE,dec=".",sep="\t")
data10


head(data10)
tail(data10)


shapiro.test(data10[,"Croissance"])


names(data10)
summary(data10)

Type=data10$Type
Type
Tempe=data10$Température
Tempe
Cr=data10$Croissance
Cr

kT<-kruskal.test(Tempe,Cr)
kT

kTy<-kruskal.test(Type,Cr)
kTy

pairwise.wilcox.test (Cr,Tempe)

pairwise.wilcox.test (Cr,Type)


Salut,

On ne peut pas faire garnd chose avec ce que tu nous donnes. Il faut un extrait des données pour au moins comprendre les lignes de codes.

Ajoute les balises de code à chaque fois stp.

Pour ce qui est de ton test :

Code:

?tukeyHSD

Les messages que tu obtiens avec le test de wilcoxon sont assez explicites je pense ou alors pose une question plus précise.

Nik

Mes données

Type Température Croissance
T 10 0.0399058317816875
T 10 0.0411218631214178
T 10 0.0237263513386529
T 10 0.0273425023604511
T 10 0.0235107336106173
T 10 0.0323169503948455
T 10 0.0201589670644077
T 10 0.0349234268887769
T 10 0.032109205754167
T 10 0.0329206193200038
T 10 0.0192879213890982
T 10 0.0345280798463195
T 10 0.0424453834499894
T 10 0.0245814921037061
T 10 0.0243445839409047
TS 10 0.0240462197914101
TS 10 0.0435607372124808
TS 10 0.0344940596892081
TS 10 0.0349773705137273
TS 10 0.0326256001782653
TS 10 0.0284147526445223
TS 10 0.0463515919158634
TS 10 0.0236380040175427
TS 10 0.0257040871558527
TS 10 0.0351840672983993
TS 10 0.0228438694797151
TS 10 0.017619574908886
TS 10 0.0326867547808268
TS 10 0.0665701859169062
TS 10 0.0340899142947791
CO 10 0.00930068644655486
CO 10 0.0116725086246579
CO 10 0.0147421964090126
CO 10 0.0184389082899074
CO 10 0.0171222317618395
CO 10 NA
CO 10 0.0218544733118815
CO 10 0.035790674915759
CO 10 0.0131784168726108
CO 10 0.0109818502471908
CO 10 0.026853119170896
CO 10 0.0229702588662473
CO 10 0.0225511981835544
CO 10 0.0301483418410758
CO 10 0.0230842709757346
CU 10 0.0415021344599456
CU 10 0.0352452772181516
CU 10 0.0348767713031495
CU 10 0.0223480229485957
CU 10 0.0157428618120328
CU 10 0.0515810512452284
CU 10 0.0207285232597427
CU 10 0.0266809700545107
CU 10 0.029568225217214
CU 10 0.0238208291773625
CU 10 0.0205487194608415
CU 10 0.0260013512996065
CU 10 0.0246314633065521
CU 10 0.0251257806525931
CU 10 0.022492047496717
CUCO 10 0.0313609855739214
CUCO 10 0.0282966967794657
CUCO 10 0.011121590751334
CUCO 10 0.0223777061167436
CUCO 10 0.0293737365593087
CUCO 10 0.0233049082550154
CUCO 10 0.0165794443783551
CUCO 10 0.0307702082923182
CUCO 10 0.0248027504030413
CUCO 10 0.0152649656486322
CUCO 10 0.026332223927532
CUCO 10 0.0285984335042576
CUCO 10 0.0369178384549551
CUCO 10 0.0267299466849744
CUCO 10 0.0087384894423032
T 20 0.0390368095104796
T 20 0.0197265517921187
T 20 0.0598515474827606
T 20 0.034392714905105
T 20 0.0161768844827551
T 20 0.0323369994970506
T 20 0.0320495601899275
T 20 0.0156497345870698
T 20 0.0350136431232631
T 20 0.0262805134849356
T 20 0.0256813831046915
T 20 0.045846706155171
T 20 0.0155516774174908
T 20 0.0222004632201526
T 20 0.0136724905817445
TS 20 0.0468147751840785
TS 20 0.0251583951614439
TS 20 0.0620873729297264
TS 20 0.0479743553813559
TS 20 0.0102839536989719
TS 20 0.0292692024567415
TS 20 0.0156410624601422
TS 20 0.0504811446158458
TS 20 0.0162076500911413
TS 20 0.0336847716219788
TS 20 0.0103995262402722
TS 20 0.0172258612012063
TS 20 0.0207502106281016
TS 20 0.0726105239724147
TS 20 0.0203584967880212
CO 20 0.0474814947428723
CO 20 0.0077211782483358
CO 20 0.0275770551190383
CO 20 0.0139472905764064
CO 20 0.0219512890691886
CO 20 0.0174306744495745
CO 20 0.0121634983114076
CO 20 0.0180012837438105
CO 20 0.0483298484720525
CO 20 0.0492219122159243
CO 20 0.0024557287466266
CO 20 0.045044773112758
CO 20 0.0445167993829451
CO 20 0.0209869329299497
CO 20 0.0259032222089454
CU 20 NA
CU 20 0.0563183828831622
CU 20 0.00945079544423523
CU 20 0.00197510938075077
CU 20 NA
CU 20 0.00335548149446975
CU 20 0.0130621180125907
CU 20 0.0393697799492542
CU 20 0.0518689249706156
CU 20 0.0158819778394362
CU 20 NA
CU 20 0.0114670055059867
CU 20 0.0362589729310943
CU 20 0.00308776675363002
CU 20 0.0172258612012063
CUCO 20 0.00220576117374335
CUCO 20 0.0109704191151642
CUCO 20 0.0323409722755733
CUCO 20 0.0116084949641267
CUCO 20 NA
CUCO 20 0.0442170863147303
CUCO 20 0.0380574664631976
CUCO 20 0.00257616937790622
CUCO 20 0.0109460923366032
CUCO 20 0.0126240841785753
CUCO 20 0.0287279844830854
CUCO 20 0.0233406757971305
CUCO 20 0.00782167519338157
CUCO 20 0.00473794083943511
CUCO 20 NA
T 28 0.0221539234502742
T 28 0.0254767817099095
T 28 0.0172258612012063
T 28 0.0130229683424253
T 28 0.00713002394872937
T 28 0.0278712597126697
T 28 0.0305090432063817
T 28 0.00328687409190761
T 28 0.0323395826687208
T 28 0.0250788499206626
T 28 0.0235921932340713
T 28 0.0325829297991009
T 28 0.00835223631763224
T 28 0.0219303596639223
T 28 0.0254767817099095
TS 28 0.0418774310726846
TS 28 0.00898352766350241
TS 28 0.0123865082207873
TS 28 0.00932216719884187
TS 28 0.0210080687701479
TS 28 0.0391832822677741
TS 28 0.00706581024120042
TS 28 0.0280744705792576
TS 28 0.00655968351585872
TS 28 0.0168373095372192
TS 28 0.00260446795708066
TS 28 0.0174669665647313
TS 28 0.0483298484720525
TS 28 0.00684869797880592
TS 28 NA
CO 28 0.0253290493481909
CO 28 0.0032085115360232
CO 28 0.0099204195915258
CO 28 0.0093010457141806
CO 28 NA
CO 28 0.0144810485487859
CO 28 0.0104716767279911
CO 28 0.00379064058073064
CO 28 0.00892883041933195
CO 28 0.00132239412333389
CO 28 0.0188731880445121
CO 28 0.0012518879940524
CO 28 NA
CO 28 0.00708887776002782
CO 28 NA
CU 28 0.00699860059715737
CU 28 0.0209829370377259
CU 28 0.00160520398943279
CU 28 0.00330666314077461
CU 28
CU 28 0.000535047980654037
CU 28 NA
CU 28 NA
CU 28 0.00809490609335737
CU 28 0.00154724977008426
CU 28 0.00989901166329618
CU 28 0.00422777652788074
CU 28 0.00424453003362865
CU 28 0.00134428995191208
CU 28 NA
CUCO 28 0.00170482010047454
CUCO 28 0.013368859421754
CUCO 28 0.00486586932269338
CUCO 28 0.00173519232636034
CUCO 28 NA
CUCO 28 0.00196379575572849
CUCO 28 0.00225386339924816
CUCO 28 0.000112279674303955
CUCO 28 NA
CUCO 28 0.00621509835640215
CUCO 28 NA
CUCO 28 0.00337520606075322
CUCO 28 0.00648159393916232
CUCO 28 0.00131443215149231
CUCO 28 NA

je voudrais voir si mes croissances à 10°C sont différentes de celle à 20°C et de celle à 28°C.
Mais aussi si à 10°c les pieds soumis au Cuivre ( CU) ont une croissance différente de ceux soumis au cocktail ( CO) au témoin ....
Pareil pour 20°C puis 28°C et aussi voir si ceux soumis au cuivre par exemple pnt une croissance différente à 10 20 ou 28 °C ...

La normalité n'est pas si importante que ça pour un test de student. Regarde l'hétéroscédasticité et les effectifs par classe.

Une anova te dira s'il existe déjà une différence entre tes niveaux. Ensuite tu peux faire des tests de student 2 à 2 pour voir les différences. inutile de faire un correction ype bonferroni vu le faible nombre de répétition de test.

Une autre solution est d'appliquer des contrastes polynomiaux à tes facteurs ce qui te permettra de tester directement une tendance linéaire, quadratique etc... car les niveaux du facteur température sont ordonnés.

niik