Pós teste Não paramétrico

Boa noite gente,

Executei um Kruskal Wallis no R, e ele me retornou um valor significativo estatisticamente.
Me sugeriram executar um pós teste, para verificar em quais variáveis estão estas diferenças (eu fiz um boxplot com a comparação, como sugerido no curso), mas ainda assim, me pediram esse pós teste.
Existe algum? Como executar no R?

Obrigadão.

Olá, Liliane, tudo bem?

De cabeça, me lembro que há uma função do pacote pgirmess: kruskalmc()
Ela deve fazer exatamente o que você precisa.

Mas há outras opções, e acho que pode ser legal conferir este pacote: https://cran.r-project.org/web/packages/PMCMRplus/vignettes/QuickReferenceGuide.html

Ele parece ter várias funções para testes a posteriori.

Abraços!

Muito obrigada professor!!!!!!!!
Executei o teste, mas não entendi o final dele, na vdd acho que deu errado.
O meu Kruskal apontou 0.0016, ou seja, há diferenças.
Ja no kruskalmc, ele me retornou uma tabela com "false" em todas as diferenças... como se não houvesse diferença em nada.. é isso mesmo?Onde pode estar meu erro?
para fazer o pos teste usei kruskalmc(MEUSDADOSDEVALOR, DADOSCATEGORICOS, probs= 0.005)

Oi, Liliane! Desculpe a demora...

Provavelmente não há erros e sim, isso é confuso... O poder dos testes usados difere, e isso pode gerar este tipo de resultado (até mesmo com anova seguida de um post-hoc tradicional isso acontece de vez em quando).

O que acontece é que, no seu caso, o teste a posteriori usado deve ser mais conservador do que o teste usado inicialmente: ou seja, ele precisa encontrar diferenças maiores para "acusá-las" como estatisticamente significativas. Então como os dois testes tem bases estatísticas diferentes, e possuem poderes diferentes para detectar o que acontece, este tipo de inconsistência pode acontecer.

Acredito que a melhor saída seja deixar o teste de comparação múltipla de lado, e estudar com profundidade os dados, possivelmente dando ênfase para um boxplot, e chegar a conclusões a partir disso.

Olá, bom dia!

Aproveito o tópico pois, apesar da dúvida não ser a mesma, também envolve testes não-paramétricos.
Fiquei com uma dúvida sobre os pressupostos da ANOVA. Se ela não seguir o pressuposto da normalidade, deve-se realizar um teste de kruskall-wallis. Mas e se o problema for com o pressuposto da homogeneidade?

Bia, neste caso sugiro seguir mais ou menos três possíveis passos:

1 - considerar a robustez. A anova é considera robusta a violações deste pressuposto. Uma sugestão mais ou menos subjetiva é verificar se a diferença da menor para a maior variância não chega a ser maior que 4 vezes. Se não for, está dentro do aceitável, e vocês justifica isso no trabalho.

2 - fazer uma transformação dos dados: razi quadrada, log, box-cox. É possível verificar qual transformação funciona (se alguma funcionar), e usar os resultados com dados transformados.

3 - utilizar uma anova para variâncias heterogêneas, semelhante ao que acontece com o teste t. No R, ela é feita de forma mais "quebrada", mas não é complicado.

Sugiro olhar a primeira resposta aqui:
https://stats.stackexchange.com/questions/91872/alternatives-to-one-way-anova-for-heteroskedastic-data/91881#91881

Ela inclui o passo a passo para a solução número 3.

Maravilha, obrigada!

Acho que no exemplo abaixo eu não poderia aceitar o pressuposto da homogeneidade mesmo com a ANOVA sendo um teste robusto então, né? E partir para os procedimentos 2 ou 3.

Visualmente não dá para ter tanta certeza, então sugiro calcular as variâncias com um tapply (a função var calcula variâncias) e comparar o menor valor de todos com o maior.