我试图在 Kruskal-Wallis 上阅读我所能阅读的内容，虽然我找到了一些有用的信息，但我似乎仍然找不到我的问题的答案。我正在尝试使用 Kruskal-Wallis 检验来确定多个因素中多个组在预测一组因变量时的重要性。
这是我的数据示例：
ID Date Point Season Grazing Cattle_Type AvgVOR PNatGr NatGrHt
181 7/21/2015 B22 late pre Large 0.8 2 20
182 7/21/2016 B32 early post Small 1.0 4 24
在这个例子中，我的因变量是“AcgVor”、“PNatGR”和“NatGrHt”，而自变量（因子）是“Season”、“Grazing”和“Cattle_Type”。如您所见，我的每个因素都有 2 个组级别。
我想要完成的是运行一个非参数测试，查看我的因子组对我的每个因变量的单独和组合重要性。我选择了 Krukal-Wallis，它似乎可以一次测试我的一个分组因素。
这是 AvgVor ~ Grazing 的结果
kruskal.test(AvgVOR ~ Grazing, data = Veg)
Kruskal-Wallis rank sum test
data: AvgVOR by Grazing
Kruskal-Wallis chi-squared = 94.078, df = 1, p-value < 2.2e-16
这告诉我，根据放牧前或放牧后的记录，AvGVor 存在显着差异。
有没有办法使用 Kruskal-Wallis 构建一个包含我所有分组因素的类似模型？即使我必须为每个因变量运行一个单独的变量。
我尝试了以下代码，但它有缺陷。
lapply(Veg[,c("Grazing", "Cattle_Type", "Season")]),function(AvgVOR) kruskal.test(AvgVOR ~ Veg)