O teste de Mann-Whitney pode ser usado para comparações post-hoc após Kruskal-Wallis?

Eu tenho uma simulação em que um animal é colocado em um ambiente hostil e cronometrado para ver quanto tempo ele pode sobreviver usando alguma abordagem para a sobrevivência. Existem três abordagens que podem ser usadas para sobreviver. Eu fiz 300 simulações do animal usando cada abordagem de sobrevivência. Todas as simulações ocorrem no mesmo ambiente, mas há alguma aleatoriedade, por isso é diferente a cada vez. Eu cronometro quantos segundos o animal sobrevive em cada simulação. Viver mais é melhor. Meus dados são assim:

Approach 1, Approach 2, Approach 2
45,79,38
48,32,24
85,108,44
... 300 rows of these

Não tenho certeza de tudo o que faço após esse ponto, então deixe-me saber se estou fazendo algo estúpido e errado. Estou tentando descobrir se há uma diferença estatística no tempo de vida usando uma abordagem específica.

Fiz um teste Shapiro em cada uma das amostras e elas retornaram com pequenos valores de p, então acredito que os dados não são normalizados.

Os dados nas linhas não têm relação entre si. A semente aleatória usada para cada simulação foi diferente. Como resultado, acredito que os dados não estão emparelhados.

Como os dados não são normalizados, não estão emparelhados e havia mais de duas amostras, executei um teste de Kruskal Wallis que retornou com um valor de p de 0,048. Depois, mudei para um post hoc, selecionando Mann Whitney. Realmente não tenho certeza se Mann Whitney deve ser usado aqui.

Comparei cada abordagem de sobrevivência com a outra, realizando o teste de Mann Whitney, ou seja, {(abordagem 1, abordagem 2), (abordagem 1, abordagem 3), (abordagem 2, abordagem 3)}. Não houve achado de significância estatística entre o par (abordagem 2, abordagem 3) usando um teste bicaudal, mas houve diferença de significância encontrada usando um teste bicaudal.

Problemas:

1. Não sei se usar Mann Whitney assim faz sentido.
2. Não sei se devo usar um Mann Whitney de uma ou duas caudas.

Não, você não deve usar o teste Mann-Whitney nesta circunstância.$U$

Eis o porquê: teste de Dunn é um apropriado post hoc teste ^* após a rejeição de um teste de Kruskal-Wallis. Se alguém passar de uma rejeição de Kruskal-Wallis para a realização de testes ordinários de soma de classificação por pares (ou seja, Wilcoxon ou Mann-Whitney), dois problemas obterão: (1) as classificações usadas para os testes de soma de classificação por pares são não as fileiras usadas pelo teste de Kruskal-Wallis; e (2) os testes de soma de classificação não usam a variância combinada implícita na hipótese nula de Kruskal-Wallis. O teste de Dunn não tem esses problemas

Os testes post hoc após a rejeição de um teste de Kruskal-Wallis que foram ajustados para comparações múltiplas podem falhar em rejeitar todos os testes em pares para uma determinada taxa de erro familiar ou uma taxa de descoberta falsa correspondente a um determinado para o teste omnibus, apenas como em qualquer outro cenário de teste omnibus / post hoc de comparação múltipla .$\alpha$

A menos que você tenha motivos para acreditar que o tempo de sobrevivência de um grupo é maior ou menor que o de outro a priori , você deve usar os testes nos dois lados.

O teste de Dunn pode ser realizado no Stata usando dunntest (tipo net describe dunntest, from(https://www.alexisdinno.com/stata)) e em R usando o pacote dunn.test .

Além disso, eu me pergunto se você pode adotar uma abordagem de análise de sobrevivência para avaliar se e quando um animal morre com base em diferentes condições?

^* Alguns testes post-hoc menos conhecidos em pares para seguir uma Kruskal-Wallis rejeitada incluem Conover-Iman (como Dunn, mas com base na distribuição t , em vez da distribuição z , implementada para Stata no pacote mais seguro , e para R no pacote conover.test ) e os testes Dwass-Steel-Citchlow-Fligner.

Uma generalização unificadora de Kruskal-Wallis / Wilcoxon é o modelo de chances proporcionais, que admite contrastes gerais com intervalos de confiança pontuais ou simultâneos para razões de chances. Isso é implementado no meu rmspacote orme contrast.rmsfunções do R.

Você também pode usar a diferença crítica após Conover ou a diferença crítica após Schaich e Hamerle. O primeiro é mais liberal, enquanto o segundo é exato, mas falta um pouco de poder. Ambos os métodos são ilustrados no meu site brightstat.com e o webapp da brightstat também permite calcular essas diferenças críticas e executar os testes post-hoc imediatamente. Kruskal-Wallis em brightstat.com

Se você estiver usando o SPSS, faça a correção post-hoc de Mann-Whitney com Bonferroni (valor de p dividido pelo número de grupos).