Friedman 檢定計算機

Friedman 檢定計算機

成長中 AI Skill PRO

輸入計算

數學公式

T1=(k−1)∑j(Rj−b(k+1)/2)2A1−C1對於資料表T_1=\frac{(k-1)\sum_{j}\left(R_j-b(k+1)/2\right)^2}{A_1-C_1}\ \text{對於}\ \text{資料表}
顯示計算步驟 (2)
  1. Conover T2

    T2=(b−1)T1b(k−1)−T1於顯著水準T_2=\frac{(b-1)T_1}{b(k-1)-T_1}\ \text{於}\ \text{顯著水準}

    在所選顯著水準下,與自由度為 k-1 及 (b-1)(k-1) 的 F 分布比較。

  2. 無並列的 T1

    T1=12bk(k+1)∑j=1k(Rj−b(k+1)2)2,使用資料表,顯著水準,參考分布T_1=\frac{12}{bk(k+1)}\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2,\quad \text{使用}\ \text{資料表},\ \text{顯著水準},\ \text{參考分布}

    由資料表秩和計算的 Friedman 統計量。

使用統計

廣告

結果

p 值
0.10645
判定 不拒絕 H0
T1 4.33333
T2 2.82609
卡方 p 值 0.11456
F 的 p 值 0.10645
臨界值 4.103
秩和 11,16,9
A1 84.00000
C1 72.00000
區組 6
處理 3

回報本頁錯誤

Friedman 檢定計算機的功能

本計算機用來檢定當每種處理都在 b 個區組(例如受試者、批次或天數)內各測量一次時,k 種處理的效果是否相同。它是以秩為基礎的無母數方法,可作為重複測量變異數分析的替代方案。它會在每個區組內對數值排秩、加總每種處理的秩次,並回傳 Friedman 統計量 T1、Conover 統計量 T2、兩者的 p 值、臨界值,以及拒絕或不拒絕的判定。

使用方法

請輸入資料表,每行一個區組,每欄一種處理。數值之間可用逗號、分號、空白或定位字元分隔,小數點請使用句點。每一行的數值個數必須相同,且至少需要 2 個區組與 2 種處理。接著選擇顯著水準 alpha(10%、5%、2.5% 或 1%),並選擇判定所用的參考分布:F 分布(Conover T2,預設且較建議的選項)或卡方分布(T1)。

公式

在每個區組內對數值排秩,\(R_j\) 為處理 j 的秩和。

$$S=\sum_{j=1}^{k}\left(R_j-\frac{b(k+1)}{2}\right)^2$$

$$T_1=\frac{12\,S}{bk(k+1)}\quad\text{(無並列)},\qquad T_1=\frac{(k-1)\,S}{A_1-C_1}\quad\text{(有並列)}$$

$$A_1=\sum_i\sum_j R(X_{ij})^2,\qquad C_1=\frac{bk(k+1)^2}{4}$$

$$T_2=\frac{(b-1)\,T_1}{b(k-1)-T_1}$$

其中 \(b\) 為區組數,\(k\) 為處理數,\(A_1\) 為所有秩平方和,\(C_1\) 為校正因子。T1 與自由度為 \(k-1\) 的卡方分布比較;T2 與自由度為 \(k-1\) 及 \((b-1)(k-1)\) 的 F 分布比較。

廣告
區集×處理的原始資料表轉換為列內名次,並沿每欄對名次求和得到合計 R1、R2、R3
每個區集(列)各自排名,然後沿每個處理欄將名次相加,得到名次和 R_j。

慣例與假設

  • 每個區組內依遞增方式排秩,最小值的秩為 1。並列值取其所占秩次的平均。排序方向不會改變統計量。
  • 若任一區組有並列值,則使用並列校正後的 T1。沒有並列值時,兩種形式結果相同。
  • T2 是較建議的統計量,因為其 F 近似通常比 T1 的卡方近似更準確。
  • p 值為右尾機率。只有當統計量嚴格大於臨界值(p 小於 alpha)時才拒絕 H0;若相等則為不拒絕。
  • 不套用連續性校正。
  • 若 T1 等於 b(k-1),表示所有區組的處理排序完全相同,T2 為無限大,F 的 p 值為 0,並拒絕 H0。
  • 若每個區組的所有數值皆相等,統計量無定義,系統會回傳錯誤。
  • 檢定後的多重比較不包含在內。

實例演算

資料有 b = 6 個區組與 k = 3 種處理,alpha = 0.05,並使用 F 參考分布。各列資料為 4 5 3、6 7 5、8 6 9、5 7 4、7 9 6 與 3 6 5。在每列內排秩後,秩和分別為 11、16 與 9。

$$A_1=84,\qquad C_1=\frac{6\times 3\times 4^2}{4}=72$$

$$T_1=4.33333,\qquad T_2=\frac{(6-1)\times 4.33333}{6\times 2-4.33333}=2.82609$$

自由度為 2 與 10 的 F 檢定 p 值為 0.10645,臨界值為 4.103。T1 的卡方 p 值為 0.11456。由於 2.82609 小於 4.103(p = 0.10645 大於 0.05),判定為不拒絕 H0。

如何解讀結果

較小的 p 值表示至少有一種處理在區組內傾向於排名高於或低於其他處理。較大的 p 值則表示資料未顯示一致的處理效果;這並不能證明各處理相等。本檢定不會說明哪些處理之間有差異。區組數較少時,卡方近似的可靠性較低,這也是 T2 為預設選項的原因之一。本計算機不支援遺漏值,因此每個區組都必須完整。

廣告
卡方密度曲線,臨界值右側的右尾拒絕域以陰影標出,觀測統計量落在其中
當統計量超過臨界值、落入大小為 α 的上尾區域時,拒絕各處理相等的虛無假設。

常見問題

何時應使用 Friedman 檢定?

當同一研究對象在多種條件下測量,且資料為順序尺度或非常態分布,因而不適合使用重複測量變異數分析時,即可使用本檢定。

為什麼會有兩個 p 值?

T1 近似服從卡方分布,而 T2 近似服從 F 分布,通常更為準確。判定會採用您所選擇的那一個。

如何處理並列值?

並列值共用其秩次的平均,且 T1 會改用並列校正的形式。

排序方向重要嗎?

不重要。以遞減順序排秩會得到相同的統計量。

無限大的 T2 代表什麼?

當每個區組對處理的排序完全相同時就會出現。此時 F 的 p 值為 0,並拒絕 H0。

資料來源

資料來源與參考

  • Dataplot FRIEDMAN TEST — NIST/ITL. Primary source for formulas, T2 and critical regions. · 生效日期 2023-12-11 · 核實日期 2026-11-04
最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器