Можно ли использовать критерий Крускала-Уоллиса для проверки значимости нескольких групп в рамках нескольких факторов?
Я пытался прочитать, что я могу на Крускал-Уоллис, и, хотя я нашел некоторую полезную информацию, я все еще, кажется, не нашел ответа на свой вопрос. Я пытаюсь использовать критерий Крускала-Уоллиса для определения значимости нескольких групп в рамках нескольких факторов в прогнозировании набора зависимых переменных.
Вот пример моих данных:
ID Date Point Season Grazing Cattle_Type AvgVOR PNatGr NatGrHt
181 7/21/2015 B22 late pre Large 0.8 2 20
182 7/21/2016 B32 early post Small 1.0 4 24
В этом примере мои зависимые переменные - "AcgVor", "PNatGR" и "NatGrHt", в то время как независимые переменные (факторы) - "Season", "Grazing" и "Cattle_Type". Как видите, каждый из моих факторов имеет 2 групповых уровня каждый.
Я пытаюсь выполнить непараматрический тест, который рассматривает отдельную и комбинированную значимость моих групп факторов для каждой из моих зависимых переменных. Я выбрал Крукал-Уоллис, и кажется, что он работает для тестирования одного из моих факторов группировки одновременно.
Вот результат для AvgVor ~ Выпас
kruskal.test(AvgVOR ~ Grazing, data = Veg)
Kruskal-Wallis rank sum test
data: AvgVOR by Grazing
Kruskal-Wallis chi-squared = 94.078, df = 1, p-value < 2.2e-16
Это говорит мне, что AvGVor значительно отличается в зависимости от того, были ли они записаны до или после выпаса скота.
Есть ли способ построить похожую модель, используя Крускал-Уоллис, которая включает все мои факторы группировки? Даже если мне нужно запустить отдельный для каждой зависимой переменной.
Я попытался следующий код, но он имеет недостатки.
lapply(Veg[,c("Grazing", "Cattle_Type", "Season")]),function(AvgVOR) kruskal.test(AvgVOR ~ Veg)