Discrepancia entre el gráfico y la prueba de dunnetts para la significación.Hola, estoy un poco atascado, ya que visualmente mi gráfica sugiere que hay una diferencia significativa entre mi grupo de control y el grupo en rojo (cuando se usa el error estándar), sin embargo, el rendimiento de las pruebas post hoc de Mean / Anova y Dunnetts indica que no hay Significación (aunque está cerca).
Cuando se modifica el gráfico con barras de error para la desviación estándar, no hay más importancia, sin embargo, me gustaría usar la función de error estándar.
¿O hay una explicación estadística para esto que no entiendo bien, en cuyo caso apreciaría mucho la explicación?
Re: discrepancia entre el gráfico y la prueba de dunnetts para la significación¡Gracias por la explicación! Definitivamente ayuda
Re: discrepancia entre el gráfico y la prueba de dunnetts para la significación(¡Disculpa el retraso!)
¡Tu ejemplo es un caso clásico de 'prueba suficientes hipótesis nulas y encontrarás una comparación significativa! "
Cuantas más comparaciones realice en los mismos datos (A vs B, A vs C, etcétera), más probabilidades tendrá de cometer un error de tipo I. El gráfico de barras representa las comparaciones individuales y separadas que no lo protegen. La comparación del gráfico de barras es ingenua engañosa. No está mal, simplemente no puede responder las preguntas más complejas sobre todas las comparaciones.
Por otro lado, los procedimientos de comparación de medios, como la prueba de Dunnett, ajustan el criterio según la cantidad de comparaciones para protegerlo. Es decir, si quieres un 95% de confianza a través de todos Las comparaciones, no solo con cada comparación individual, también necesitan ajustes. El efecto de esta protección es que se necesita una diferencia mayor para que la comparación sea significativa. Deberías creer las comparaciones de Dunnett.
Considere este 'experimento de Gedanken:' Genere datos aleatorios bajo la hipótesis nula para un gran número de grupos, pruebe la hipótesis con el enfoque del gráfico de barras (igual que Compare Means> Student t) y la prueba de Dunnett. El número de errores de tipo I (falso positivo) es mucho mayor con el gráfico, pero lo que cabría esperar con la prueba de Dunnet.
