Коллеги, доброго времени суток.
Группа пациентов (n=23) в течение определённого времени получала терапию, направленную на лечение стрессового недержания мочи. До лечения, через 1, 3, 6 и 12 месяцев пациенты заполняли дневники мочеиспускания и оценивали количество неудерживаемой мочи (в граммах). Распределение выборки - отличное от нормального.
Вопрос - какой метод анализа использовать? По Гланцу - необходимо использовать критерий Фридмана для связанных выборок, но можно ли использовать дисперсионный анализ повторных измерений (критерий Тьюки или Ньюмана-Кеулса), предварительно выполнив преобразование Бокса-Кокса для нормализации выборки?
Вопрос не случайный - используя Фридмана и сравнивая попарно значения на контрольных точках - во всех случаях получил статистически значимые различия, используя второй способ - различая между 6 и 12 месяцами были не значимы.
Спасибо за ответы.

Я считаю, что не только можно, но и нужно Преобразование + ДА. Объёмы распределены ненормально, возможно вместо Бокса-Кокса проще использовать для нормализации кубический корень из объёма (так же как для площадей - квадратный корень). На это может указать и параметр лямбда в преобразовании Бокса-Кокса если она будет около 1/3. Можно и Бокса-Кокса (преобразование выполняется для всей совокупности данных, не по группам). А уходить от полноценных количественных данных, причём в самой полноценной шкале - шкале отношений - в порядковую статистику - это потеря информации. К тому же у меня есть сомнения относительно правильности попарных сравнений в рамках критерия Фридмана. Множественные непараметрические сравнения для критерия Фридмана проводятся с помощью критерия Неменьи (Гланц может считать как хочет, я не нахожу его учебник полезным, особенно в русской редакции). А критерий Неменьи: (1) сложно найти в пакетах, (2) он достаточно консервативный, т.е. благоприятствует необнаружению различий.

Если уж говорить о непараметрике, то в этой ситуации для проверки гипотезы о главных эффектах и тест Квейд подойдет.
А вот тут найдете и пост хоки для Фридмана и Квейд. Конкретно п. 4.3.

Спасибо за помощь!