Всем . Не могу никак определиться в выбором критерия. Есть контрольная группа животных, есть 5 экспериментальных групп, у которых определяли содержание некотрого гормона при определенной температуре через разный промежуток времени, т.е. у группы 1 брали кровь через час, у группы 2 - через 2 часа и т.д. Кроме этого, таких "5 экспериментальных групп" было тоже 5, так как было 5 разных температур. Параметрические критерии не подойдут, т.к. распределение не является нормальным, да и выборки маленькие. Нужно сравнить каждое измерение с контролем (я предполагаю критерий Манна-Уитни). Для проверки наличия различий в группах при определенной температуре склоняюсь к Крускалла-Уоллиса. Насчет сравенения разных температур очень сомневаюсь.
Верны ли рассуждения? , плиз!

Рассуждения ошибочны. Читайте про двухфакторный дисперсионный анализ (ДА) и нормализующие преобразования данных. Ну а чтобы впредь не возникало даже мысли обсчитывать один эксперимент десятками примитивных методов также читайте про принципы статистической проверки, про удержание проверки семейства гипотез на заданном уровне значимости, про ужасные поправки типа Бонферрони и про мощность статистической проверки.
А вообще, чем сложнее анализ, тем сложнее найти для него непараметрический ранговый аналог. Т.е. это - потенциально тупиковый путь. Если и использовать непараметрику, то ресэмплинг. Двухфакторному ДА уже просто нет рангового аналога, т.к. даже критерий Даны Квейд не способен обнаружить взаимодействие факторов.

Это- экспериментальный план двухфакторного дисперсионного анализа (Two-way ANOVA). Первый фактор "Температура" с 5 уровнями. Эффект фактора - фиксированный (fixed), второй фактор - "Группа" имеет 6 уровней. Тоже fixed. Дизайн настолько распространенный, что на простеньком уровне реализован даже в Экселе ("Двухфакторный дисперсионный анализ с повторениями"). Если очень хочется именно непараметрического аналога - это критерий Шайрера - Рэя - Хэйра. Описан в /Сокал, Рольф, Биометрия, с. 440-441/.

Спасибо! Еще есть одна фишка - в каждой группе число число животных разное, например, при температуре Х в группе 1 - 10 животных, в группе 3 - 6 животных. Я так понимаю, повторные измерения отпадают. Еще необходимо показать с каким уровнем значимости отличается одное значение при конкретной температуре от контрольного. Нужно ли в этом случае делать пересчет уровня значимости?

Спасибо! Еще есть одна фишка - в каждой группе число число животных разное, например, при температуре Х в группе 1 - 10 животных, в группе 3 - 6 животных, и у каждого животного брли кровь только 1 раз. Я так понимаю, повторные измерения отпадают. Еще необходимо показать с каким уровнем значимости отличается одное значение при конкретной температуре от контрольного. Нужно ли в этом случае делать пересчет уровня значимости?

Спасибо! Еще есть одна фишка - в каждой группе число число животных разное, например, при температуре Х в группе 1 - 10 животных, в группе 3 - 6 животных. Я так понимаю, повторные измерения отпадают? Еще необходимо показать с каким уровнем значимости отличается одное значение при конкретной температуре от контрольного. Нужно ли в этом случае делать пересчет уровня значимости?

1. Если объемы групп разные, возникает т.н. несбалансированный дизайн. Для того, чтобы не погружаться в тонкости его анализа, есть смысл сделать наивный препроцессинг исходных данных: скажем, по 6 наблюдениям вычислить среднее и добавить 4 средних значения в эту ячейку, чтобы в результате все чейки содержали одинаковое кол-во наблюдений (н-р,10).
2. То, что в Экселе называется "с повторными измерениями"- это всего лишь особенности локализации программы (издержки перевода на русский язык). На самом деле там реализовано именно то, что вам нужно (двухфакторный ДА с несколькими наблюдениями на ячейку дисперсионного комплекса).
3. Post hoc сравнения будут уместны в том случае, если взаимодействие факторов "Температура*Группа" окажется статистически значимым. Если предполагается попарное сравнение с контролем всего и вся, то да, корректировать достигаемые уровни значимости надо. Н-р, процедурами Ли, Холма, Коппенгейвер - Холланда, Беньямини - Гохберга, Беньямини - Йекутили.

Большое спасибо за помощь!