Question sur Kruskal-Wallis

Bonjour,

lorsque je lance mon KW (sur R) en croisant 3 variables, j'obtiens une pvaleur.

Code:

kruskal.test(VarA~ VarB*VarC)
p-value = 0.0001394

lorsque j'inverse VarB et VarC, la pvalue n'est plus la même.

Code:

kruskal.test(VarA~ VarC*VarB)
p-value < 2.2e-16

Pourtant mon tableau de contingence doit être le même...

Quelqu'un sait d'où vient cette erreur ? (parfois la significativité change radicalement).

Merci d'avance

Bonjour,

Il faut créer au préalable une variable varD de type facteur qui définira les groupes car la notation varB*varC n'a pas de sens ici.

Ayana

Merci pour la réponse  

J'ai en effet, créé une variable VarD qui est le cbind de mes variables VarB et VarC.

Ainsi je peux tester VarD en fonction VarA.

Dommage qu'il n'y ait pas une option pour les tests de KW à 3 et plus de variables

C'est plus qu'un cbind qu'il faut faire.
Si B a 2 modalité B1 et B2 et C a 3 modalités C1 C2 et C3, il faudra créer D à 6 modalités : B1C1 B1C2 B1C3 B2C1 B2C2 B2C3.
Un Kruskall Wallis à plus de variables à croiser serait inutile car par définition, on utilise le KW sur des petits effectifs donc on ne peut pas multiplier les groupes...
Ayana

Certes les échantillons deviennent plus petits lorsqu'on rajoute des variables mais moi ça ne me dérange pas car j'ai une population de 1500+ individus.
Les KW à 3 variables me permettent de savoir si certaines variables activent d'autres variables, je trouve ça très intéressant.

Pour l'histoire des modalités, je crois avoir bien fait :

Code:

   NFE2L2 HNF1 NFE2L2HNF1         NQ01
4       NM   NM      NM.NM   4.46466942
5       NM   NM      NM.NM   0.90110139
6       NM   NM      NM.NM   3.01315806
10      NM   NM      NM.NM   0.61903070
11      NM   NM      NM.NM   1.52994613
29      NM    M       NM.M   2.96367830
58      NM   NM      NM.NM   2.52472693
103     NM   NM      NM.NM   3.48138135
109     NM   NM      NM.NM   2.86568564
113     NM   NM      NM.NM   1.04809461
116     NM   NM      NM.NM   2.09588180
125     NM    M       NM.M   3.61419064
128     NM    M       NM.M   1.07353532
214     NM   NM      NM.NM 112.13814940
216     NM   NM      NM.NM 303.75237020
217      M   NM       M.NM 294.36275990
219     NM   NM      NM.NM 490.84981320
225     NM   NM      NM.NM 339.34262670
229     NM   NM      NM.NM   1.07436399
231     NM   NM      NM.NM 327.79927560
232     NM   NM      NM.NM  11.70606554
233     NM   NM      NM.NM   1.20502436
249     NM   NM      NM.NM   1.35036213
261     NM   NM      NM.NM  10.69373448
280     NM   NM      NM.NM   2.35863202
283     NM    M       NM.M   1.59868406
284     NM    M       NM.M   0.08988221
285     NM   NM      NM.NM   0.65627203
286     NM   NM      NM.NM   0.62264181
287     NM    M       NM.M   0.55143447
306     NM    M       NM.M   1.83128186





J'ai cbind les deux premières variables pour obtenir la troisième.

Je fais enfin mon KW entre la troisième et la 4ème variable.

C'est censé être la procédure ?

Code:

 kruskal.test(tmp$NQ01~ tmp$NFE2L2HNF1)

        Kruskal-Wallis rank sum test

data:  tmp$NQ01 by tmp$NFE2L2HNF1
Kruskal-Wallis chi-squared = 3.6002, df = 2, p-value = 0.1653

Oui c'est bien ça!!

Pourquoi un test non paramétrique avec +de 1500 patients et non une ANOVA ou un modèle de régression?

En effet oui, c'est débile ce que je fais. J'ai gardé l'habitude.

Je vais faire une ANOVA

Merci !

ps : quelle taille d'échantillon serait appropriée à un KW à trois variables selon toi ?

Il n'y a pas de règle précise. En gros, si les distributions par groupe ne sont pas normales (histogramme) il faut opter pour du non paramétrique. La seule chose, c'est qu'il faut au moins 6 ou 7 sujets par groupe.

D'accord, donc pour toi le test tout à droite n'est pas applicable pour un KW ?

Le K-W est applicable tout le temps, mais comme les tests non-paramétriques sont moins puissants, quand on peut faire du paramétrique, il vaut mieux le faire