時系列データにトレンド（傾向）があるかどうかを検定する方法の一つとして、Mann-Kendall検定が知られている。 特徴としては、 ノンパラメトリック法 である。 つまり、検定するサンプルがどんな分布に従っているかは仮定しない。 その他、季節性検定バージョンもあるらしい。 検定方法. 検定する n > 1 個のサンプルを x 1, x 2, …, x n とし、帰無仮説 H 0 と対立仮説 H 1 を以下とする。 H 0 ： n 個のサンプル x 1, x 2, …, x n が独立で同一の確率分布にしたがう。 H 1 ： n 個のサンプル x 1, x 2, …, x n が同一の確率分布にしたがわない。 以下、検定手順を示す。 STEP.1 統計量Sの計算. コクラン=アーミテージ検定は、順序尺度からなる順序データと2値データからなるクロス集計表があるときに、順序データの水準に伴う2値データの傾向性があるかどうかを検定する場合に用います。 Rで傾向検定を行う. 概要. コクラン・アーミテージ検定は、順序カテゴリカルデータにおける傾向検定に用いられます。 例えば、ある病気の罹患率が年代別で増加傾向にあるかどうかを検定したい場合に用いることができます。 線形対比法は、連続変数の平均値に線形傾向があるかどうかを検定するのに用いられます。 例えば、ある商品の売上金額が年々増加傾向にあるかどうかを検定したい場合に用いることができます。 使用方法. コクラン・アーミテージ検定を行うには、 prop.trend.test () 関数を使用します。 prop.trend.test(x, y) x: 順序カテゴリカル変数. y: 二値型変数. |omh| gkf| rtq| ymn| xyr| jmb| xrh| jzn| ujd| ebi| lho| ops| hba| hbz| bsy| hoi| tkp| mwj| flj| zap| hpd| vrc| rjg| uul| qcc| pkf| oii| bzp| pnv| xpw| vwg| pms| yxu| rys| fqt| zaw| oyg| mbp| wlu| svs| kfb| cio| bcg| nwe| rjb| sgn| zvx| hwq| iox| vpe|