416. Test Kruskala–Wallisa – nieparametryczne porównanie wielu grup

W poprzednich lekcjach modułu 21 omawialiśmy klasyczne i rozszerzone warianty analizy wariancji. Test Kruskala–Wallisa jest ważnym uzupełnieniem tego zestawu metod: pozwala porównać kilka niezależnych grup wtedy, gdy skala pomiaru, rozkład wyników lub obecność wartości odstających utrudniają zastosowanie jednoczynnikowej ANOVA. Nie jest jednak po prostu „ANOVA bez założeń”. Opiera się na rangach, a jego wynik należy interpretować z uwzględnieniem kształtu rozkładów, median, wielkości efektu i planu badania.

W tej lekcji szkolenia na statystyk.edu.pl przejdziemy od intuicji do wzoru, a następnie do praktycznej interpretacji w badaniach medycznych i społecznych.

Na czym polega test Kruskala–Wallisa?

Test Kruskala–Wallisa służy do porównania co najmniej trzech niezależnych grup. Zamiast analizować bezpośrednio wartości obserwacji, porządkuje wszystkie wyniki od najmniejszego do największego i zastępuje je rangami. Najmniejsza obserwacja otrzymuje rangę 1, kolejna rangę 2 itd. Jeśli kilka obserwacji ma tę samą wartość, nadaje się im średnią rangę zajmowanych pozycji.

Następnie porównuje się sumy rang w poszczególnych grupach. Jeżeli grupy pochodzą z podobnych populacji, ich sumy rang powinny być zbliżone — z uwzględnieniem liczebności grup. Jeżeli jedna grupa zawiera głównie małe wartości, a inna głównie duże, różnica sum rang może wskazywać na systematyczne zróżnicowanie grup (Kruskal i Wallis, 1952).

W sensie formalnym test bada hipotezę globalną. W najprostszym ujęciu:

• H₀: rozkłady wyników w porównywanych grupach są takie same;
• H₁: co najmniej dwa rozkłady różnią się położeniem lub ogólnym kształtem.

Jeżeli rozkłady w grupach mają podobny kształt i różnią się głównie położeniem, wynik testu można interpretować jako dowód różnic między grupami typowo opisywanymi medianami. Przy wyraźnie różnych wariancjach lub kształtach rozkładów ostrożniej jest mówić ogólnie o różnicy rozkładów, a nie automatycznie o różnicy median.

Kiedy rozważyć test Kruskala–Wallisa?

Test może być rozważany, gdy:

• zmienna zależna jest co najmniej porządkowa;
• porównujemy trzy lub więcej grup niezależnych;
• wynik ma silnie asymetryczny rozkład lub występują wartości odstające;
• liczebności grup są niewielkie i ocena normalności jest niepewna;
• pomiar jest naturalnie porządkowy, na przykład ocena bólu w skali porządkowej lub stopień nasilenia objawów.

Nie należy jednak wybierać tej metody wyłącznie dlatego, że test normalności dał istotny wynik. W małych próbach testy normalności mają niską moc, a w dużych mogą wykrywać niewielkie, praktycznie nieistotne odstępstwa od normalności. Ważne są także wykresy, charakter pomiaru, wartości odstające, liczebności grup i sposób pobierania danych.

Test Kruskala–Wallisa nie rozwiązuje problemu zależności obserwacji. Jeżeli te same osoby oceniano w kilku warunkach lub mierzono je wielokrotnie, właściwym odpowiednikiem dla układu z jednym czynnikiem i powtarzanymi pomiarami jest test Friedmana, a nie test Kruskala–Wallisa.

Wzór statystyki H

Załóżmy, że porównujemy k grup. Grupa i ma liczebność n_i, a R_i oznacza sumę rang w tej grupie. Łączna liczebność wynosi:

N = n₁ + n₂ + … + n_k

Podstawowa postać statystyki Kruskala–Wallisa to:

H = [12 / (N(N + 1))] × Σ(R_i² / n_i) − 3(N + 1)

gdzie:

• H — statystyka testu Kruskala–Wallisa;
• N — łączna liczba obserwacji we wszystkich grupach;
• k — liczba porównywanych grup;
• n_i — liczebność grupy i;
• R_i — suma rang w grupie i;
• Σ — sumowanie po wszystkich grupach.

Przy założeniu hipotezy zerowej i dostatecznie dużych liczebnościach statystyka H jest przybliżana rozkładem chi-kwadrat z k − 1 stopniami swobody. NIST wskazuje, że przybliżenie to wymaga ostrożności przy małych liczebnościach grup; jako praktyczną wskazówkę podaje się często, aby liczebność każdej grupy była większa niż 4, choć ostateczna adekwatność zależy od układu danych (NIST/SEMATECH, b.d.).

Jeżeli występują remisy, czyli powtarzające się wartości, oprogramowanie powinno zastosować korektę. Jedna z używanych postaci korekty ma postać:

H_k = H / C

gdzie:

C = 1 − [Σ(t_j³ − t_j)] / (N³ − N)

Symbol t_j oznacza liczebność j-tej grupy jednakowych wartości. Przy braku remisów C = 1, więc korekta nie zmienia wyniku. W praktyce należy sprawdzić, czy używany program automatycznie uwzględnia remisy. Większość współczesnych pakietów statystycznych wykonuje to automatycznie.

Jak przeprowadzić analizę?

1. Zdefiniuj zmienną i grupy

Zmienna zależna powinna być mierzona dla każdej osoby lub jednostki badania, a zmienna grupująca powinna wskazywać przynależność do jednej z niezależnych grup. Przykładowo: wynik bólu jest zmienną zależną, a rodzaj leczenia — zmienną grupującą.

2. Oceń plan badania

Sprawdź, czy obserwacje są niezależne. Dwie osoby należące do tej samej rodziny, pacjenci leczeni przez tego samego lekarza lub uczniowie z tej samej klasy mogą tworzyć skupienia. W takich sytuacjach prosty test Kruskala–Wallisa może zaniżać niepewność wyników, ponieważ nie uwzględnia korelacji wewnątrz skupień.

3. Obejrzyj dane

Warto przedstawić medianę, kwartyle, liczebność oraz wykres pudełkowy dla każdej grupy. Sam wynik p nie pokazuje kierunku ani rozmiaru różnic. Nie należy też usuwać wartości odstających wyłącznie po to, aby uzyskać wynik istotny statystycznie.

4. Wykonaj test globalny

Raportuj wartość statystyki H, stopnie swobody, wartość p oraz liczebności grup. Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Informuje, jak zgodne z hipotezą zerową są uzyskane dane lub bardziej skrajne dane, przy założeniu modelu testowego.

5. Jeżeli wynik jest istotny, wykonaj porównania post-hoc

Test Kruskala–Wallisa jest testem globalnym. Odrzucenie hipotezy zerowej mówi, że istnieje przynajmniej jedna różnica, ale nie wskazuje, które pary grup się różnią. Można zastosować porównania parami oparte na rangach, na przykład procedurę Dunna, z korektą na wielokrotne porównania (Dunn, 1964).

Do kontroli skumulowanego ryzyka błędu pierwszego rodzaju można użyć między innymi korekty Holma, Bonferroniego lub Benjamini–Hochberga, zależnie od celu analizy. W klasycznym potwierdzającym porównywaniu wszystkich par często preferuje się procedury kontrolujące rodzinny błąd pierwszego rodzaju, takie jak korekta Holma.

Przykład 1: natężenie bólu po trzech metodach leczenia

Załóżmy, że w badaniu porównano trzy niezależne grupy pacjentów po zabiegu. Po 24 godzinach ocenili oni ból w skali 0–10:

Grupa	Liczebność	Mediana	Rozstęp międzykwartylowy
Leczenie A	18	6	5–7
Leczenie B	17	4	3–6
Leczenie C	19	3	2–5

Skala bólu jest formalnie skalą porządkową, a rozkład wyników może być asymetryczny. Test Kruskala–Wallisa jest więc uzasadnioną metodą porównania trzech niezależnych grup, o ile nie występuje dodatkowa zależność obserwacji.

Przykładowy zapis wyniku może wyglądać następująco: H(2) = 8,74, p = 0,013. Taki wynik wskazuje na globalne różnice między grupami. Nie uprawnia jeszcze do stwierdzenia, że każde leczenie różni się od każdego innego. Analiza post-hoc może wykazać, że różnica dotyczy przede wszystkim grup A i C, podczas gdy różnica między A i B nie osiąga założonego poziomu istotności.

W raporcie należy podać również kierunek i znaczenie kliniczne. Jeżeli mediana bólu różni się o 1 punkt, badacz powinien odnieść tę różnicę do wcześniej określonego minimalnego istotnego klinicznie efektu. Istotność statystyczna i użyteczność kliniczna nie są tym samym.

Przykład 2: satysfakcja z pracy w trzech zawodach medycznych

W badaniu przekrojowym oceniono satysfakcję zawodową pielęgniarek, ratowników medycznych i diagnostów laboratoryjnych za pomocą siedmiostopniowej skali Likerta. Grupy były niezależne, ale wyniki miały wiele powtarzających się wartości i wyraźne skupienie przy górnej granicy skali.

Test Kruskala–Wallisa może być użyteczny, ponieważ analiza rang respektuje porządkowy charakter odpowiedzi i nie wymaga traktowania odległości między kategoriami jako identycznych. Należy jednak pamiętać, że test nie uwzględnia automatycznie wieku, stażu, systemu zmianowego ani miejsca pracy. Jeżeli celem jest oszacowanie różnic po kontroli takich zmiennych, prosty test Kruskala–Wallisa może być niewystarczający. Można rozważyć model regresji dla danych porządkowych albo odpowiedni model wielopoziomowy.

Jeśli test globalny okaże się istotny, porównania post-hoc powinny być zaplanowane i skorygowane na wielokrotne testowanie. Warto również zaprezentować rozkłady odpowiedzi w tabeli lub na wykresie, ponieważ sama mediana może ukrywać różnice w rozproszeniu i wielomodalność.

Wielkość efektu i interpretacja

Poza wartością p należy przedstawić wielkość efektu. Jedną z możliwości jest współczynnik epsilon-kwadrat:

ε² = (H − k + 1) / (N − k)

W tym wzorze H oznacza statystykę Kruskala–Wallisa, k liczbę grup, a N łączną liczebność próby. Współczynnik opisuje udział zróżnicowania rang związany z przynależnością do grup, ale jego interpretacja zależy od przyjętej wersji estymatora i kontekstu. W małych próbach może być obciążony, dlatego należy jasno podać zastosowany wzór.

Praktycznie użyteczne jest także raportowanie różnic median lub średnich rang wraz z przedziałami ufności, jeżeli są dostępne. W przypadku porównań par parami można opisać różnicę median, iloraz szans dla odpowiedniego modelu porządkowego albo prawdopodobieństwo przewagi jednej obserwacji nad drugą. Nie należy ograniczać wnioskowania do etykiety „istotne” lub „nieistotne”.

Najczęstsze błędy

• Traktowanie testu jako testu wyłącznie median. Jest to uzasadnione głównie wtedy, gdy rozkłady grup mają podobny kształt i różnią się przede wszystkim położeniem.
• Stosowanie testu dla pomiarów zależnych. Dla tych samych osób w kilku warunkach właściwszy jest test Friedmana lub model dla powtarzanych pomiarów.
• Wykonywanie wielu testów U Manna–Whitneya bez korekty. Zwiększa to ryzyko fałszywie dodatnich wyników.
• Interpretowanie istotnego testu globalnego jako dowodu różnicy każdej pary grup. Potrzebne są porównania post-hoc.
• Raportowanie wyłącznie wartości p. Należy podać statystykę, stopnie swobody, liczebności, opis rozkładów i — w miarę możliwości — wielkość efektu.
• Automatyczne usuwanie obserwacji odstających. Wartość odstająca może być błędem zapisu, ale może też odzwierciedlać rzeczywistą zmienność kliniczną.
• Używanie testu jako uniwersalnego zamiennika ANOVA. Test nie zastępuje modeli uwzględniających współzmienne, interakcje, powtarzane pomiary lub strukturę hierarchiczną danych.
• Mylenie braku istotności z dowodem równości grup. Nieistotny wynik oznacza, że dane nie dostarczyły wystarczających podstaw do odrzucenia H₀; nie dowodzi, że grupy są identyczne.

Jak opisać wynik w artykule?

Przykładowy zapis może brzmieć: „Rozkład natężenia bólu różnił się między trzema grupami leczenia, H(2) = 8,74, p = 0,013, ε² = 0,14. Mediana wynosiła 6 punktów w grupie A, 4 punkty w grupie B i 3 punkty w grupie C. W porównaniach post-hoc metodą Dunna z korektą Holma istotna różnica wystąpiła między grupami A i C; pozostałe porównania nie osiągnęły skorygowanego poziomu istotności.”

Taki opis rozdziela wynik globalny od wyników post-hoc i nie sugeruje, że wartość p jest miarą wielkości lub ważności efektu. W badaniu obserwacyjnym należy także unikać języka przyczynowego: różnica między grupami leczenia nie musi oznaczać, że leczenie spowodowało różnicę, jeżeli przydział do grup nie był losowy.

Co warto zapamiętać?

• Test Kruskala–Wallisa porównuje trzy lub więcej niezależnych grup za pomocą rang.
• Jest użyteczny przy danych porządkowych, asymetrii i wartościach odstających, ale nie usuwa problemu zależności obserwacji.
• Hipoteza zerowa dotyczy zgodności rozkładów grup; interpretacja jako testu median wymaga podobnego kształtu rozkładów.
• Przy większych próbach statystyka H jest przybliżana rozkładem chi-kwadrat z k − 1 stopniami swobody.
• Remisy wymagają korekty, którą zwykle wykonuje oprogramowanie.
• Istotny wynik globalny nie wskazuje, które grupy się różnią — potrzebne są porównania post-hoc z kontrolą wielokrotnego testowania.
• Wynik należy opisywać razem z medianami, kwartylami, liczebnościami, wielkością efektu i — gdy to możliwe — przedziałami ufności.

Najważniejsza zasada brzmi: test Kruskala–Wallisa jest narzędziem do analizy określonego planu badania, a nie automatyczną receptą na każdy nienormalny rozkład. Dobra analiza łączy poprawny test, opis danych, ocenę założeń i interpretację znaczenia praktycznego.

Źródła i dalsza lektura

1. William H. Kruskal; W. Allen Wallis (1952). Use of Ranks in One-Criterion Variance Analysis. Journal of the American Statistical Association, 47(260), 583–621. DOI: 10.1080/01621459.1952.10483441.
2. Olive Jean Dunn (1964). Multiple Comparisons Using Rank Sums. Technometrics, 6(3), 241–252. DOI: 10.1080/00401706.1964.10490181.
3. W. J. Conover; Ronald L. Iman (1981). Rank Transformations as a Bridge between Parametric and Nonparametric Statistics. The American Statistician, 35(3), 124–129. DOI: 10.1080/00031305.1981.10479327.
4. Myles Hollander; Douglas A. Wolfe; Eric Chicken (2014). Nonparametric Statistical Methods. 3rd edition. John Wiley & Sons, Inc.. Informacja wydawcy / źródło.
5. NIST/SEMATECH (2012). e-Handbook of Statistical Methods: Exploratory Data Analysis — Kruskal-Wallis Test. National Institute of Standards and Technology. Źródło.