0
Je voulais tester un modèle avec les éléments suivants:test non paramétrique, soit l'équivalent d'un n ANOVA
summary(aov(dep~ind.1*ind.2))
Mais les p.values ne sont pas interpetable que les hypothèses de normalité et d'homoscédasticité ne sont pas respectés . Je suis à la recherche d'un test non paramétrique qui pourrait remplacer ce ANOVA à deux voies (et plus généralement un n ANOVA)
est le test Durbin-Watson une bonne solution? J'essaie de faire un test de Durbin-Watson mais je n'y arrive pas!
require(lmtest)
dwtest(dep~ind.1*ind.2) # Fail
dwtest(lm(dep~ind.1*ind.2)) # I get only one p.value instead of the three I expected
Afin de rendre ma question reproductible, voici quelques données:
set.seed(34)
dep = runif(24,0,1)
ind.1 = rep(c(1,2),12)
ind.2 = rep(c(1,2),each=12)
Vous pouvez essayer le test de Friedman et la fonction R dédiée 'friedman.test' http://en.wikipedia.org/wiki/Friedman_test ou en utilisant une approche bootstrap qui peut être plus flexible – dickoa
Vous pensez probablement à la Test Durbin, pas le test Durbin-Watson: http://en.wikipedia.org/wiki/Durbin_test –