弗里德曼測試和 Python 的事後測試

在我的數據集中，我有五個（序數）組，測量量為 x。因為違反了同方差性，所以我進行了弗里德曼卡方檢驗以查看組之間是否存在任何統計差異：

fried = stats.friedmanchisquare(*[grp for idx, grp in df.iteritems()]))

這返回了一個統計差異，但現在我想找出哪些組之間存在差異。對此R有一個很好的解決方案（弗里德曼的測試和事後分析，https://www.r-statistics.com/2010/02/post-hoc-analysis-for-friedmans-test-r-code/） ，他們使用 Wilcoxon-Nemenyi-McDonald-Thompson 測試，但我找不到 Python 測試。

**是否有可能對弗里德曼檢驗進行事後分析？**或者，對於確實允許我在組之間進行比較的弗里德曼檢驗，我們有什麼好的替代方法，例如廣義估計方程？

我目前正在自己​​研究這個問題；根據本文，執行事後測試有多種可能性（更新：可以在此處找到有關使用非參數測試的擴展）：

• 對所有成對組合執行Nemenyi測試；這類似於 ANOVA 的Tukey檢驗。
• 執行Bonferroni-Dunn測試；在此設置中，將所有值與控制值列表進行比較。
• 或者，可以執行升壓和降壓程序，依次測試按重要性排序的假設。可以使用Holm 的降壓程序、Hochberg的升壓程序或Hommel的程序。

STAC Python 庫似乎包括所有這些測試，除了 Hommel 的過程。

引用自：https://stats.stackexchange.com/questions/246719