Gepaarter T-Test
Hallo, ich möchte zwei Behandlungen vergleichen: 1) Kein Dünger und 2) Dünger. Ich wollte wissen, ob es durch die Düngung zu einer Ertragssteigerung kommt. Es wurden zwei parallele Blöcke ausgewählt, wobei im ersten Block kein Dünger ausgebracht wurde, während im zweiten Block der Dünger ausgebracht wurde. Von jedem Block wurden fünfzehn Proben entnommen. Ich möchte den gepaarten T-Test verwenden und es gibt verschiedene Methoden in JMP. Ich dachte daran, die Verteilung zu verwenden und dann die Mittel zu testen. Meine Frage ist, ob es richtig ist, die Spalte „n“ für „Häufigkeit“ hinzuzufügen? Bitte erläutern Sie, warum bzw. warum nicht. Wenn ich n als Häufigkeit in der Datenanalyse verwende, ändern sich die Ergebnisse, wenn der Freiheitsgrad von 14 auf 29 steigt. 
Betreff: Gepaarter T-TestTeilen Sie den p-Wert durch 2Betreff: Gepaarter T-TestSo führen Sie den Oberschwanztest durchBetreff: Gepaarter T-TestDanke
Nein, das Feld war innerhalb eines Paares nicht homogen, wir gehen davon aus, aber es passiert nie. Weil das Feld so variabel ist. In diesem Fall sollten wir uns also für den t-Test bei zwei Stichproben oder den gepaarten t-Test entscheiden.
Betreff: Gepaarter T-TestIhre Beschreibung der Blöcke ist gelb und blau, sodass die Blockierung (Paare) keinen Sinn ergibt.
Wenn die Schnitt- und Ganzsaatpflanzungen nebeneinander erfolgten, die 12 Streifen aber über ein variables Feld getrennt sind, ist die Blockierung (Paare) sinnvoll. Ist das Feld innerhalb eines Paares homogen? Diese Annahme ist wichtig.
Sie benötigen nicht mehr als die beiden Antwortspalten CONTROL und WHOLE SEED. Verwenden Sie die Plattform „Matched Pairs“ im Menü „Analysieren“. Geben Sie beide Datenspalten in der Y-Rolle in der oben angegebenen Reihenfolge ein. Geben Sie in dieser Analyse keine weiteren Datenspalten ein.
Es scheint, dass Sie einen höheren Ertrag für die gesamte Saatgutbehandlung erwarten (Alternativhypothese), daher ist ein gepaarter t-Test am oberen Ende erforderlich.
Betreff: Gepaarter T-TestSo erhalten Sie denselben p-Wert in „Y nach X anpassen“ mit derselben gestapelten Datentabelle für Gosset-Mais:
Betreff: Gepaarter T-TestHier ist ein Beispiel für die Verwendung von Gossets Maisdaten aus der Sample Data Library des JMP.Ich habe eine Paar-ID-Spalte hinzugefügt und dann die beiden Ertragsspalten (Kiln und Regular) gestapelt, um ein langes Datenformat zu erhalten.Stellen Sie sicher, dass die Paar-ID-Spalte ein enthält nominal Modellierungstyp.
Vom Fit-Modell:
1. Fügen Sie die Spalte „Ertrag“ als Y, Antwortvariable hinzu.
2. Fügen Sie die Spalten „Behandlung“ und „Paar“ zum Feld „Modelleffekte erstellen“ hinzu.
3. Wählen Sie „Paar“ im Feld „Modelleffekte erstellen“ aus (markieren Sie es) und machen Sie es zufällig, indem Sie auf den roten Pfeil „Attribute“ > „Zufällig“ klicken.
Sie werden sehen, dass der p-Wert für Yield denselben p-Wert hat wie die Matched Pairs-Plattform für dieselben Daten im ursprünglichen breiteren Format.
Betreff: Gepaarter T-Test
Field MapField MapFeldkarte
Hallo Mark,
Wir wollten zwei Saatgutarten bei Kartoffeln vergleichen (Schnittsaat vs. ganze Saat). Als Kontrolle wird geschnittenes Saatgut verwendet, was eine gängige Praxis ist. Dieser Versuch wurde auf dem Feld des Erzeugers durchgeführt. Das Feld wurde in zwei Streifenblöcke aufgeteilt, der erste Block (in Gelb) wurde mit Kontrolle (geschnittenes Saatgut) bepflanzt und der zweite Block (hellblau) wurde mit dem gesamten Saatgut bepflanzt. Diese Streifenblöcke sind wirklich 400 Fuß lang. Insgesamt wurden 24 Proben (12 von jedem Streifenblock) entnommen.Jede Probe wurde aus einer 10 Fuß langen Reihenparzelle geerntet und der Ertrag in CWT pro Acre umgerechnet. Die Feldvariation war riesig. Der Versuch wurde auf dem Feld des Erzeugers durchgeführt. Daher konnten wir die Behandlungen nicht randomisieren. Ich habe die Daten anhand des gepaarten t mit Verteilung und Testmittel analysiert, siehe unten:
Meine Frage:
Ich verstehe, dass wir den gepaarten T-Test verwenden sollten.
Einer der großen Statistiker schlug vor, eine zusätzliche Spaltenhäufigkeit zu erstellen und diese für die Analyse zu verwenden. Ich habe die Daten mit und ohne Verwendung der Frequenz analysiert.
Ich wollte wissen, welche Methode falsch ist und warum?
Welche Methode ist richtig?
Ich würde mich über Ihre Zeit freuen.
Beste grüße
- Ich habe Differenz- und Häufigkeitsspalten und beides erstellt
Sehen Sie sich die Ergebnisse unten an: Sie sind signifikant P > 0,0232
- Ich habe eine Differenz- und eine Häufigkeitsspalte erstellt, aber dieses Mal habe ich die Häufigkeitsspalte nicht verwendet
Ergebnisse siehe unten: Nicht signifikantes P > 0,1208
Betreff: Gepaarter T-TestBitte klären Sie die Grundlage für die Paarung der Proben. Wie wurden zwei Proben miteinander gepaart?
Betreff: Gepaarter T-TestNochmals vielen Dank,
Entschuldigung, könnten Sie bitte Folgendes erläutern:
1. Wie verwende ich rep als Zufallseffekt in Nr. 4? Könnten Sie es bitte anhand einer Tabelle erläutern?
2. Könnten Sie eine weitere Tabelle hinzufügen, in der „Y an X anpassen“ mit der Paar-ID-Spalte als Block erläutert wird?
Betreff: Gepaarter T-TestIn #4 sollten Sie Rep als zufälligen Effekt haben, um ein äquivalentes Ergebnis zu den anderen Methoden zu erhalten.Es gibt tatsächlich eine andere Möglichkeit, nämlich Ihre Diff-Spalte in der Verteilungsplattform zu zeichnen und einen t-Test bei einer Stichprobe durchzuführen.Da sie alle die gleiche Antwort geben sollten, könnte man sagen, dass sie gleich gut sind.Die Matched Pairs-Plattform ist auf dieses Problem spezialisiert, sodass Sie dort die spezialisierteste/relevanteste Ausgabe in Ihrem Bericht erhalten.Diese Plattform erfordert jedoch, dass die Daten eine andere Form als das übliche „Lang“-Format haben.Wenn ich vermeiden möchte, meine Tabelle zu teilen, um sie in die richtige Form zu bringen, verwende ich möglicherweise einfach „Y nach X anpassen“ mit der Paar-ID-Spalte als Block oder „Modell anpassen“ mit einem zufälligen Effekt auf die Paar-ID-Spalte.
Betreff: Gepaarter T-TestVielen Dank für Ihre schnelle Antwort. Ich verstehe, dass der gepaarte T-Test mit den folgenden vier Methoden durchgeführt werden kann: Ich frage mich, ob alle vier Methoden gleich gut sind. Wenn nicht, welches ist das Beste und warum? Ich habe identische Ergebnisse erhalten.
1. Analysieren > Verteilungs-Mittelwerttest
2. Analysieren Sie spezialisierte, mit der Modellierung übereinstimmende Paare
3. Passen Sie Y an
4. Passen Sie die Modellplattform an, um eine zweifaktorielle ANOVA durchzuführen
Betreff: Gepaarter T-TestNein, fügen Sie keine Häufigkeitsspalte hinzu.Jedes Paar ist ein Datenpunkt in einem gepaarten T-Test.Ein gepaarter T-Test ist mathematisch äquivalent zu einem 1-Stichproben-T-Test für die gepaarten Differenzen.
