Ciao, sono un po 'bloccato, perché visivamente il mio grafico suggerisce che c'è una differenza significativa tra il mio gruppo di controllo e il gruppo in rosso (quando si usa l'errore standard), tuttavia le prestazioni dei test post hoc di Mean / Anova e Dunnetts affermano che non c'è significato (anche se è vicino).
Quando il grafico viene modificato con barre di errore per la deviazione standard, non c'è più significato, tuttavia vorrei utilizzare la funzione di errore standard.
O c'è una spiegazione statistica per questo che non capisco, nel qual caso apprezzerei molto la spiegazione.
Grazie per la spiegazione! Aiuta sicuramente
(Ci scusiamo per il ritardo!)
Il tuo esempio è un classico caso di 'testare abbastanza ipotesi nulla e troverai un confronto significativo! "
Più paragoni fai negli stessi dati (A vs B, A vs C, eccetera), più è probabile che tu commetta un errore di tipo I. Il grafico a barre rappresenta i singoli confronti separati che non ti proteggono. Il confronto con il grafico a barre è ingenuo fuorviante. Non è sbagliato, semplicemente non può rispondere alle domande più complesse su tutti i confronti.
D'altra parte, le procedure di confronto, come il test di Dunnett, regolano il criterio del numero di confronti per proteggerti. Cioè, se vuoi avere una sicurezza del 95% tutti i confronti, non solo con ogni confronto individuale, quindi è necessario un adeguamento. L'effetto di questa protezione è che una differenza maggiore è necessaria affinché il confronto sia significativo. Dovresti credere ai paragoni di Dunnett.
Considera questo 'esperimento gedanken:' Genera dati casuali sotto l'ipotesi nulla per un gran numero di gruppi, verifica l'ipotesi con entrambi gli approcci del grafico a barre (come Confronta Mezzi> Studente t) e il test di Dunnett. Il numero di errori di tipo I (falso positivo) è molto più alto con il grafico ma quello che ci si aspetterebbe dal test di Dunnet.
