43435_de-DE

liliconcom

Äquivalenztest bei ungleichen Varianzen

Gibt es eine eingebaute Möglichkeit (oder eine einfache Möglichkeit, ein Skript zu erstellen), um die Äquivalenz von Mittelwerten mit einem TOST-ähnlichen Verfahren zu testen, wenn die Varianzen von Gruppen ungleich sind (signifikantes Ergebnis des entsprechenden Tests im JMP-Bericht „Ungleiche Varianzen“)?

 

Ich gehe davon aus, dass die Varianz standardmäßig gepoolt wird, da das TOST-Verfahren, das Teil der JMP-Option „Äquivalenztest“ in der Fit Y by X-Plattform ist, auf zwei t-Tests beruht.

 

Danke schön.

Betreff: Äquivalenztest bei ungleichen Varianzen

Es ist oft nicht riesig, aber in manchen Fällen kann es die TOST-Ergebnisse von unterhalb der Signifikanz bei 0,05 auf über steigen. Mir ist klar, dass Aspekte des TOST-Ansatzes, wie etwa das Festlegen des Äquivalenzschwellenwerts, etwas willkürlich sein können, daher wähle ich möglicherweise ein Detail aus, das weniger Auswirkungen hat als andere Entscheidungen, die ich treffen könnte. Aber ich hatte nur gehofft, für einige Daten einen festen Ansatz einzurichten, bei dem zuerst die Varianzen der Gruppen verglichen würden und dann der TOST entweder mit dem gepoolten Varianztest oder dem Test, der keine gleichen Varianzen annimmt, durchgeführt würde. was auch immer angemessen ist.

 

Ich habe ein Skript erstellt, in dem das 90 %-Konfidenzintervall für die Differenz zwischen den Gruppen bestimmt wird, wenn wir nicht von gleichen Varianzen ausgehen. Dieses Konfidenzintervall kann dann mit dem Intervall verglichen werden, das anhand des gewünschten Äquivalenzschwellenwerts ermittelt wurde, und ergibt eine Ja/Nein-Antwort auf die Äquivalenzfrage. Ich könnte also damit leben, wenn es sein muss. Was ich verbessern möchte, ist die Bestimmung des maximalen p-Werts sowie die schöne grafische Darstellung der Ergebnisse, die beide durch den integrierten JMP-Äquivalenztest bereitgestellt werden.

Betreff: Äquivalenztest bei ungleichen Varianzen

Ist der Unterschied in den Varianzen signifikant?

Betreff: Äquivalenztest bei ungleichen Varianzen

Ich entschuldige mich, wenn ich hier etwas übersehe, da ich die gleiche Frage zur Durchführung des TOST-Tests zum Vergleich zweier Gruppen mit ungleichen Varianzen hatte und der Antwort nicht folge. Gemäß der Beschreibung des Äquivalenz-TOST-Tests von JMP: „ Zwei einseitige gepoolte Varianz T Tests werden für die Nullhypothesen erstellt, dass die wahre Differenz die Schwellenwerte überschreitet.“ Alles, was ich tun möchte, ist, genau den gleichen Test durchzuführen, aber t-Tests mit ungleichen Varianzen zu verwenden. Die Konfidenzintervalle für die Mittelwertdifferenz zwischen den beiden Gruppen unterscheiden sich geringfügig, wenn sie mithilfe gepoolter Varianzen bestimmt werden oder wenn ungleiche Varianzen angenommen werden. Daher möchte ich den TOST-Test mit den entsprechenden Konfidenzintervallen durchführen.

Betreff: Äquivalenztest bei ungleichen Varianzen

Aus Ihrem Beitrag geht nicht genau hervor, wie Sie den Äquivalenztest verwenden werden. Bei TOST lege ich eine Ober- und eine Untergrenze fest, lege dann das 95 %-KI auf die Grenzen und stelle sicher, dass mein Mittelwert zwischen den Konfidenzintervallen liegt. Auf der Vertriebsplattform erhalten Sie ein Ergebnis wie dieses (unten) und es findet keine Zusammenfassung der Varianzen statt. Es ist nur die Varianz der univariaten Statistik.

 

 

 

 

 

 

 

 

 

 

 

Dieses Diagramm hat die oberen und unteren Äquivalenzgrenzen (von mir als die als vernachlässigbar anzusehende Differenz definiert), wobei der Mittelwert der Variablen auf jeder Seite durch ein einseitiges 95 %-KI (oder 90 %-KI des Mittelwerts, dasselbe) begrenzt ist. Wenn das CI die Äquivalenzgrenze überschreitet, ist es nicht äquivalent. Je genauer ein Messsystem ist, desto näher kann ich an die Grenze herankommen, ohne sie zu überschreiten.   

Ich kann die Plattform „Fit Y by Diagrammskript und verwenden Sie dieses ebenfalls.) Da beim Äquivalenztest jeder Gruppenmittelwert und seine Varianz mit den Äquivalenzgrenzen verglichen werden, erfolgt keine Zusammenfassung der Varianz. Die Varianz wird gepoolt (oder nicht gepoolt), wenn ich die Gruppenmittelwerte wie bei einem T-Test miteinander vergleiche.