クラスカル・ウォリス検定の中の、ラスカル

クラスカル・ウォリス検定の統計量って何を考えてこうなったの?#

タイ(同順位)がない場合、$ k $群の統計量は、 $$ H=\frac{12}{N(N+1)}\sum_{i=1}^k n_i\left(\bar R_i-\frac{N+1}{2}\right)^2 $$ である。$ n_i $は第$ i $群のサイズ、$ N=\sum_i n_i $、$ \bar R_i $はその群の平均順位とする。なぜ係数が$ 12/\{N(N+1)\} $なのかを追う。

順位の分散と共分散#

帰無仮説のもとで、全観測が同じ連続分布から独立に得られ、群サイズを固定すると、順位$ 1,\ldots,N $は各観測に無作為に割り当てられる。第$ i $群の第$ j $観測の順位を$ R_{ij} $とすると、 $$ E[R_{ij}]=\bar R=\frac{N+1}{2},\qquad V[R_{ij}]=\sigma_R^2=\frac{N^2-1}{12} $$ である。分散は、 $$ \sigma_R^2=\frac1N\sum_{r=1}^N r^2-\left(\frac{N+1}{2}\right)^2=\frac{(N+1)(2N+1)}6-\frac{(N+1)^2}4=\frac{N^2-1}{12} $$ から得られる。

異なる観測位置$ (i,j)\ne(k,\ell) $について、 $$ \operatorname{Cov}(R_{ij},R_{k\ell})=-\frac{\sigma_R^2}{N-1} $$ となる。これは順位の総和が固定されているためである。全ての異なる位置の共分散を$ c $とおけば、 $$ 0=V\left[\sum_{i,j}R_{ij}\right]=N\sigma_R^2+N(N-1)c $$ なので上式を得る。不偏分散の分母と同じものとして覚えるより、この固定和から導く方が確実である。

各群の平均順位の分散#

$$ V[\bar R_i]=\frac1{n_i^2}\left(\sum_{j=1}^{n_i}V[R_{ij}]+\sum_{j\ne\ell}\operatorname{Cov}(R_{ij},R_{i\ell})\right) $$ $$ =\frac1{n_i^2}\left(n_i\sigma_R^2-n_i(n_i-1)\frac{\sigma_R^2}{N-1}\right)=\frac{\sigma_R^2}{n_i}\frac{N-n_i}{N-1} $$ となる。ここに有限母集団修正が現れる。

群間平方和の期待値#

$$ SS_B=\sum_{i=1}^k n_i(\bar R_i-\bar R)^2 $$ とおく。全体の平均順位$ \bar R $は定数で、$ E[\bar R_i]=\bar R $なので、 $$ E[SS_B]=\sum_{i=1}^k n_iV[\bar R_i]=\frac{\sigma_R^2}{N-1}\sum_{i=1}^k(N-n_i)=\frac{\sigma_R^2}{N-1}N(k-1) $$ である。順位の分散を代入すれば、 $$ E[SS_B]=\frac{N(N+1)}{12}(k-1) $$ となる。したがって$ H=12SS_B/\{N(N+1)\} $と規格化すると、$ E[H]=k-1 $となり、係数の由来が分かる。

ただし、期待値を自由度に一致させるだけではカイ二乗分布に従う証明にはならない。群数を固定し、各群のサイズが十分大きくなる条件で、帰無仮説のもとで$ H $は漸近的に$ \chi^2_{k-1} $に従う。有限標本での厳密なカイ二乗分布ではない。

タイがある場合は平均順位を用い、タイ群のサイズを$ t_g $として、通常、 $$ C=1-\frac{\sum_g(t_g^3-t_g)}{N^3-N},\qquad H_{\mathrm{corrected}}=H/C $$ という補正を行う。全観測が同じ値なら$ C=0 $で、この統計量は定義できない。