Манна Уитни+Вилкоксон VS Крускул Уолис Опции

[Alexandrovich]

Добрый вечер прошу помочь разобраться
Есть 2 равные группы, первая группа подвергается одному виду лечения, вторая группа альтернативному.
Необходимо оценить достоверность различий между:
1. первой группой до лечения и второй группой до лечения
2. первой группой после лечения и второй группой после лечения
3. первой группой до лечения и первой группой после лечения
4. второй группой до лечения и второй группой после лечения
Распределение в группах не нормальное.

Первый подход это использование: критерия Манна Уитни для 1 и 2 сравнения (несвязанные выборки)
и использование Вилкоксона для 3 и 4 сравнения (связанные выборки)

Второй подход: учитывая наличие 4 выборок использования критерия Крускула Уолиса, игнорируя наличие 2-ух связанных выборок, 2 другие все равно-то несвязанные

[nokh]

Добрый вечер прошу помочь разобраться
Есть 2 равные группы, первая группа подвергается одному виду лечения, вторая группа альтернативному.
Необходимо оценить достоверность различий между:
1. первой группой до лечения и второй группой до лечения
2. первой группой после лечения и второй группой после лечения
3. первой группой до лечения и первой группой после лечения
4. второй группой до лечения и второй группой после лечения
Распределение в группах не нормальное.

Первый подход это использование: критерия Манна Уитни для 1 и 2 сравнения (несвязанные выборки)
и использование Вилкоксона для 3 и 4 сравнения (связанные выборки)

Второй подход: учитывая наличие 4 выборок использования критерия Крускула Уолиса, игнорируя наличие 2-ух связанных выборок, 2 другие все равно-то несвязанные

Второй подход категорически неприемлем.
Первый подход приемлем, но примитивен, к тому же имеет меньшую мощность и бОльшую ошибку первого рода. Грамотнее проанализровать данные в ходе дисперсионного анализа с повторными измерениями (модель с группированными и пересекающимися факторами, перекрёстно-иерархическая модель) - очень много обсуждался на форуме, поищите поиском. Для нормализации распределения ошибок дисперсионного комплекса данные нужно предварительно преобразовать подходящим нормализующим преобразованием, лучше преобразованием Бокса - Кокса. Если не преобразовывать, то для оценок в рамках такой модели можно использовать рандомизационный тест, но это нужно суметь правильно закодировать в пакетах, где это удобно - типа R.