vol.io
ログイン無料ではじめる

クラスカル・ウォリスH検定計算ツール

クラスカル・ウォリス検定は順位を使って 3 つ以上の独立群を比較します — 歪んだデータ、順序尺度の結果、不均等な小標本に対する一元配置分散分析のノンパラメトリックな代替手法です。1 行に 1 群を入力すると、同順位補正つきの H 統計量、カイ二乗自由度、p 値、イプシロン二乗効果量が、各群の n と中央値とともに得られます。 結果は R の kruskal.test() と同順位補正を含めて少なくとも 4 有効桁で一致します。有意な H は少なくとも 1 つの群が異なることを示します — どこが異なるかは、対ごとのマン・ホイットニー検定(多重比較補正つき)または Dunn 検定で特定します。

AIレポート

AIが結果を解釈します:APA 7 / ビジネスレポート形式のダウンロード可能なWord文書。

AIレポートを生成(5クレジット)アカウント作成は無料で、毎月無料クレジットが付与されます。

よくある質問

APA 7 形式でクラスカル・ウォリス検定はどう報告しますか?

H(χ² または自由度つき H と書かれることが多い)、p 値、効果量を報告します。例:"得点は 3 条件間で異なった、H(2) = 7.62, p = .022, ε² = .32"。通常は各群の中央値も添えます。AI レポートボタンが完全な APA 7 の結果段落を生成します。

一元配置分散分析ではなくクラスカル・ウォリスを使うべきなのはいつですか?

分散分析の前提が崩れるとき:明らかに非正規な残差、順序尺度の結果、外れ値や分散が大きく異なる小さな群です。データがほぼ正規なら分散分析のほうが検出力が高く、Tukey の事後検定も直接使えます — まず群ごとに正規性を確認してください(分散分析ツール参照)。

検定が有意でした — どの群が異なるかはどう調べますか?

対ごとの比較に進みます:標準は Dunn 検定、または α 水準に Bonferroni(または Holm)補正を掛けた対ごとのマン・ホイットニー U 検定です。当サイトのマン・ホイットニーツールが各ペアを処理します。Bonferroni の閾値は 0.05 を比較回数で割って求めます。