练习R语言：mk.test()函数实现Mann-kendall趋势检验

‍‍

Mann-Kendall趋势检验法是对于一组数据（一般是时间序列数据），识别其一系列趋势的非参数检验方法，例如是否逐年下降或上升趋势，也可以适用周期性趋势。

可以使用R包“trend”中的mk.test()函数实现Mann-Kendall趋势检验。

收集到1871-1970年尼罗河年流量测量，单位为10^8 m^3，数据集名称为Nile，试分析该时间序列是否存在某种趋势。

从时间序列图上看，好像前一段有一点下降趋势，但后半段相对平稳，可能还有些微弱抬升。

接下来进行Mann-Kendall趋势检验。

library(trend)mk.test(Nile)

结果如下：

我们主要关注z值以及p值。z值小于0，表明呈下降趋势，相反z值大于0，表明呈上升趋势。

本例中，z小于0，p<0.001，我们拒绝零假设（假设不存在趋势），表明序列数据存在有统计学意义的趋势变化。

本文完

文/图=数据小兵

更多R统计文章

练习R：单个连续数据的探索性统计可视化函数EDA
练习R：用lm.ridge()做岭回归分析，可惜无法输出R平方
练习R：lm+plot+abline+text四函数绘制线性拟合散点图

练习R：用lm.ridge()做岭回归分析，可惜无法输出R平方

练习R：分类自变量的线性回归

练习R：factor函数为有序分类变量创建值标签

学习R：识别缺失值与将指定数据编码为缺失值
练习R：car包recode函数多分类变量的重新编码
练习R：stepAIC多元逐步回归
练习R：用3d空间图展示多元线性回归模型
练习R：用3d空间图展示多元线性回归模型
练习R：dplyr包arrange函数排序
练习R：DoE.base包生成标准L9-3-4正交表

练习R：正交试验极差分析、方差分析与统计图形

练习R：rsm包设计响应面试验并做数据分析

练习R：interaction.plot()函数绘制交互作用图

练习R：influencePlot()函数发现离群点杠杆点强影响点

练习R：glm()函数连续自变量的二项logistic回归

练习R：spss.get()函数读取SPSS数据集

练习R：lrtest()函数做logistic回归全局显著性检验

练习R：qqnorm+t.test函数配对t检验

练习R：TukeyHSD()+plot()函数实现多重比较森林图

练习R：pwr.t.test()函数实现独立t检验样本量计算

练习R：qcc.overdispersion.test()函数检验等离散性

练习R语言：fa.parallel()与fa()函数实现因子分析

‍

‍