Hallo, bin etwas festgefahren, da meine Grafik visuell darauf hinweist, dass zwischen meiner Kontrollgruppe und der roten Gruppe ein deutlicher Unterschied besteht (bei Verwendung von Standardfehlern). Die Leistung von Mean / Anova und Dunnetts Post-hoc-Tests gibt jedoch an, dass es keine gibt Bedeutung (obwohl es nahe ist).
Wenn der Graph mit Fehlerbalken für die Standardabweichung geändert wird, hat dies keine Bedeutung mehr, ich möchte jedoch die Standardfehlerfunktion verwenden.
Oder gibt es eine statistische Erklärung dafür, die ich nicht ganz verstehe? In diesem Fall würde ich die Erklärung sehr schätzen.
Vielen Dank für die Erklärung! Es hilft definitiv
(Entschuldige die Verspätung!)
Ihr Beispiel ist ein klassischer Fall von 'test genug Nullhypothesen, und Sie werden einen signifikanten Vergleich finden! "
Je mehr Vergleiche Sie in den gleichen Daten (A vs. B, A vs. C usw.) vornehmen, desto wahrscheinlicher wird ein Fehler vom Typ I gemacht. Das Balkendiagramm stellt die einzelnen, separaten Vergleiche dar, die Sie nicht schützen. Der Balkendiagrammvergleich ist naiv irreführend. Es ist nicht falsch, es kann einfach nicht die komplexeren Fragen zu allen Vergleichen beantworten.
Auf der anderen Seite passen die Compare-Means-Prozeduren wie der Dunnett-Test das Kriterium für die Anzahl der Vergleiche an, um Sie zu schützen. Das heißt, wenn Sie zu 95% Vertrauen haben wollen alles Bei den Vergleichen, nicht nur bei jedem einzelnen Vergleich, ist eine Anpassung erforderlich. Dieser Schutz bewirkt, dass ein größerer Unterschied erforderlich ist, damit der Vergleich signifikant ist. Sie sollten den Dunnett-Vergleichen glauben.
Betrachten Sie das gedanken-Experiment: 'Erzeugen Sie Zufallsdaten unter der Nullhypothese für eine große Anzahl von Gruppen, testen Sie die Hypothese mit dem Balkendiagramm-Ansatz (wie Vergleichsmethoden vergleichen> Student t) und dem Dunnett-Test. Die Anzahl der Typ-I-Fehler (falsch positiv) ist mit dem Diagramm viel höher, was Sie jedoch mit dem Dunnet-Test erwarten würden.
