Normalitätstest nicht bestandenVerehrte Gäste,
Ich versuche, einen Normalitätstest für eine Reihe von Datensätzen durchzuführen, die denen in der beigefügten Abbildung ähneln, und sie später mithilfe der ANOVA zu vergleichen. Wenn ich jedoch den Normalitätstest durchführe, erhalte ich immer wieder etwas, das ich für „falsch negativ“ halte. Wie Sie dem Screenshot des Journals entnehmen können, ähnelt der Datensatz als Ganzes einer Normalverteilung, auch wenn nur etwa 7–8 Abschnitte ausgefüllt werden. Meine beste Vermutung ist, dass JMP den Datensatz als multimodal interpretiert, da zwischen den gefüllten „so viele“ leere Bins liegen. Ich möchte, dass der Fit/Test des Gesamtsatzes wie grafisch dargestellt durchgeführt wird.
Wie auch immer JMP die Verteilung der Daten interpretiert, sie beeinflusst auch die aus der ANOVA gezogenen Schlussfolgerungen. Ich wäre sehr dankbar, wenn jemand einen Einblick geben könnte, wie die statistische Analyse dieser Daten durchgeführt werden kann (dh jeden Datensatz auf Normalität testen und sie dann mithilfe der ANOVA vergleichen).
Danke,
Betreff: Normalitätstest nicht bestandenverwenden @garibay90 Daten, Ich habe Fit Y by X anstelle von Graph Builder verwendet, da die Plattform mehr Optionen zum Einfärben und Ändern der Konturlinien bietet.Habe auch diese Option „Mesh Plot“ entdeckt, die wie ein bivariates Histogramm aussieht.
Betreff: Normalitätstest nicht bestandenIch verstehe. Danke schön!
Betreff: Normalitätstest nicht bestandenIch darf eine von jemand anderem verwendete Methode nicht befürworten, verifizieren oder validieren.
Ich denke, dass Sie hier im Allgemeinen hilfreiche Vorschläge erhalten, aber Sie müssen entscheiden, ob die Ratschläge in Ihrem Fall angemessen sind.
Betreff: Normalitätstest nicht bestanden@Mark_Bailey @Chris_Kirchberg Könnten Sie überprüfen, ob die oben aufgeführte Methodik sinnvoll ist und mit den statistischen Standardpraktiken übereinstimmt? Danke schön! PS Ich beziehe mich auf meinen Beitrag über dem von Patrick.
Betreff: Normalitätstest nicht bestanden@PatrickGiuliano Vielen Dank, dass Sie sich die Zeit genommen haben, sich meine Daten so detailliert anzusehen. Ich habe es überprüft und leider habe ich die SHASH-Passform nicht zur Verfügung – ich arbeite mit JMP 10. Allerdings stimme ich zu, dass zum jetzigen Zeitpunkt ein nichtparametrischer Ansatz für den Mittelwertvergleich wahrscheinlich die beste Wahl ist.
" Wenn ich beispielsweise einen Wilcoxon-Test durchführe, bei dem die Punktedifferenz zwischen Gruppen untersucht wird, kann ich dann darauf vertrauen, dass das Konfidenzintervall der mittleren Punktedifferenz wirklich repräsentativ für die mittlere Differenz der Grundgesamtheit ist?Wenn ich einen Test wähle, der die Mediane vergleicht, habe ich dann Grund zu der Annahme, dass die Schätzung des Medians aus meiner Stichprobe in „Y“ und das entsprechende Konfidenzintervall um die Schätzung repräsentativ dafür sind, wo die wahre Schätzung in der Grundgesamtheit liegen könnte? " Gute Frage, ich bin ein Neuling bei nichtparametrischen Tests, daher bin ich mir da nicht ganz sicher, aber so wie ich es verstehe, kommt es auf die Reihenfolge der Ränge relativ zueinander an und nicht so sehr auf den tatsächlichen numerischen Wert. Wenn das jemand klären könnte, wäre das großartig.
Die beiden Spalten verhalten sich unterschiedlich, da es sich bei den Rohdaten um ein Histogramm handelt, wobei X (Spalte 1) die Bins und Y (Spalte 2) die Anzahl in jedem Bin sind. Daher die Anzahl der „0,0000“-Werte im Datensatz.
Vielen Dank für all Ihre Beiträge!
Betreff: Normalitätstest nicht bestanden@garibay90 Ich bin mir nicht sicher, welche Tests Sie durchführen. Ich habe nicht viel oder gar nichts darüber gelesen.
Ich habe versucht, Ihre Datenspalten „X“ und „Y“ mithilfe der Life Distribution Platform anzupassen, und das Beste, was JMP dort finden konnte, basiert ausschließlich auf der Grundlage von Liklihood, AICc und BIC ist Lognormal bzw. Zero Inflated Weibull.Meiner Meinung nach ist die Nether-Anpassung gut: Beobachten Sie mit Ihren Augen, inwieweit die Punkte folgen und auf dem nichtlinearen kohärenten Pfad in den transformierten NQ-Diagrammen.Wenn die Punkte nicht sehr nahe an der geraden Linie liegen und/oder eine Krümmung aufweisen, passt die Transformation nicht sehr gut.
Nach meinem Verständnis müssten Sie, wenn Sie einen 2-Gruppen-Vergleich mit einem standardmäßigen normalparametrischen statistischen Hypothesentest (z. B. ANOVA = t-Test für den Fall mit 2 Stichproben) durchführen möchten, dieselbe Transformation auf die Normalität anwenden beide Gruppen. Und die Daten müssen einigermaßen normal sein, nachdem Sie diese Transformation auf beide angewendet haben.
Die SHASH-Verteilung von JMP passt möglicherweise gut zu Ihrer „X“-Spalte, eigentlich die beste, die ich finden konnte (Sie können „Verteilung analysieren“ > „Alle anpassen“ verwenden, und JMP generiert für Sie eine Anpassung an diese).Aber es wird Ihnen keine gute Passform für Ihre „Y“-Spalte geben.Tatsächlich ist es meiner Erfahrung nach sehr schwierig, Sie zu finden jede Transformation was gültig zu diesen Daten passt.Ihr Datensatz enthält zu viele „0,0000“-Werte.Ich habe mich bereits mit diesem Problem befasst und am Ende bleibt Ihnen wirklich keine andere Wahl, als eine nichtparametrische Analyse durchzuführen.Bei Daten wie „Y“ würde ich den Schlussfolgerungen, die ich aus den nichtparametrischen Tests ziehe, nicht vertrauen, es sei denn, ich wäre einigermaßen sicher, dass die Schätzungen, auf die ich schließen möchte, einigermaßen repräsentativ für die Population sind, aus der die Stichprobe stammt.Wenn ich beispielsweise einen Wilcoxon-Test durchführe, bei dem die Punktedifferenz zwischen Gruppen untersucht wird, kann ich dann darauf vertrauen, dass das Konfidenzintervall der mittleren Punktedifferenz wirklich repräsentativ für die mittlere Differenz der Grundgesamtheit ist?Wenn ich einen Test wähle, der die Mediane vergleicht, habe ich dann Grund zu der Annahme, dass die Schätzung des Medians aus meiner Stichprobe in „Y“ und das entsprechende Konfidenzintervall um die Schätzung repräsentativ dafür sind, wo die wahre Schätzung in der Grundgesamtheit liegen könnte?
Mir ist keine nichtparametrische Testkorrektur für extrem ungleiche Varianzen bekannt.Aber ich könnte mich irren.Für die normalen parametrischen Tests gibt es eine Standardkorrektur für ungleiche Varianzen, die Korrektur basiert jedoch auf einer Schätzung und ist keine exakte Lösung. Suchen Sie bei Google nach dem „Behrens-Fisher-Problem“.
Wenn Sie zur Transformation Ihrer Daten die SHASH-Verteilung verwenden (was meiner Meinung nach für Ihre „Y“-Daten überhaupt nicht besonders gut funktioniert), erhalten Sie Hinweise auf eine gleiche Varianz zwischen den Gruppen.Sie erhalten Beweise dafür, dass es einen statistisch signifikanten Unterschied zwischen den Mittelwerten zwischen Gruppen gibt, wobei der Mittelwert der Spalte „Y“ 0,62 Einheiten niedriger ist als der Mittelwert der Spalte „X“.
Wenn ich hier einen Schritt zurücktrete und mir diese Gruppen ansehe, ist mir trotz der Tatsache, dass es sich um „widerspenstige“ Daten handelt, ziemlich klar, dass sich diese Gruppen zahlenmäßig unterschiedlich verhalten. Sie erhalten eine Reihe von 0-Werten für „Y“, aber nicht für Ihre „X“-Gruppe.
Betreff: Normalitätstest nicht bestandenHallo zusammen,
Nachdem ich einige Recherchen zu diesem Thema durchgeführt hatte, beschloss ich, die Ränge jedes Datensatzes zu berechnen und die Anpassung Y an X durchzuführen, wobei ich die Ränge (kontinuierlich) als Y-Werte und die Beschriftungen (nominal) jedes Datensatzes als X verwendete. Anschließend habe ich einen Test mit gleichen Varianzen durchgeführt – da gleiche Varianzen für alle nichtparametrischen Tests erforderlich sind. Nachdem ich festgestellt hatte, dass meine Varianzen gleich sind (die Originaldaten sind nicht nur nicht normal, sondern bestehen auch den Test für gleiche Varianzen nicht), führte ich einen Kruskal-Wallis-Test durch und schloss mit dem Steel- und dem Dunn-Post-Hoc-Test ab. An diesem Punkt halte ich den statistischen Ansatz für sinnvoll und die Schlussfolgerungen der Tests stimmen mit realen Beobachtungen überein.
Kann mir jemand raten, ob die obige Methodik aus statistischer Sicht der richtige Ansatz ist? Und als letzte Frage: Was wird von Statistikern im Hinblick auf Post-hoc-Tests als Standardpraxis angesehen: Steel oder Dunn? Beide ergeben das gleiche Ranking und kommen zum gleichen Ergebnis. Ich glaube, dass beides für den überhöhten Typ-I-Fehler beim Vergleich von Paaren korrekt ist.
Vielen Dank für alle Beiträge!
Betreff: Normalitätstest nicht bestandenDanke!
Für den ANOVA-Teil habe ich die Daten gestapelt und die Beschriftung für jeden Datensatz als X verwendet, wobei Y jede Zahlensammlung wie die oben angehängte ist. Ich habe mir die Daten etwas genauer angesehen und die Dunnett-Methode sieht vielversprechend aus, da mir die Differenzmatrix sagen kann, wie unterschiedlich die Datensätze sind. Allerdings ist das unter „Anpassungszusammenfassung“ aufgeführte R-Quadrat immer noch sehr niedrig (0,002).
Ich habe auch versucht, das Fit-Modell mit einer verallgemeinerten linearen Modellpersönlichkeit, einer Poisson-Verteilung und einer Log-Link-Funktion zu verwenden, aber Prob>ChiSq liegt immer noch unter 0,05. Funktioniert genauso, wenn ich eine Normalverteilung verwende.
Betreff: Normalitätstest nicht bestandenIch würde auch versuchen, die Daten grafisch darzustellen. Setzen Sie die in der Verteilung angezeigte Spalte auf Y und alles, was Sie für X in der ANOVA planen, auf X im Graph Builder. Wenn Sie die Datenclusterung in beiden Dimensionen bemerken, dann haben Sie keine kontinuierlichen Daten und ein Test auf Normalität macht keinen Sinn, ebenso wenig wie die Verwendung von ANOVA in „Modell anpassen“. Es wäre wahrscheinlicher, dass Sie das Fit-Modell mit einer anderen Verteilung (unter Verwendung verallgemeinerter linearer Modelle) verwenden würden, um Ihre ANOVA durchzuführen.
Ehrlich gesagt sieht es so aus, als ob die Daten kategorisch und nicht kontinuierlich sind. Ein bisschen wie eine Bewertungsantwort.
Betreff: Normalitätstest nicht bestandenDanke schön. Hier sind die Beispiel-Rohdaten und die mit dem Skript generierten Daten.
Betreff: Normalitätstest nicht bestandenOhne einen Blick auf Ihre Daten zu werfen, würde ich vorschlagen, Ihre Analyse auf Basis der Rohdaten durchzuführen
Daten zuerst. Wenn Ihre Stichprobengröße größer wird, hilft Ihnen das nicht weiter
Normalitätstest. Es sei denn, Ihre Stichprobengröße ist extrem klein, aber nicht zu klein
klein, und Ihre Strümpfe gelten für das Datum Ihrer Stimulation
In Ihrem Experiment hilft Ihnen der Versuch, Werte zu simulieren, nicht dabei, gültige Werte zu ermitteln
Schlussfolgerungen aus Ihren Hypothesentests.
Gerne schaue ich mir Ihre Daten an! Stellen Sie einfach sicher, dass Sie alles entfernen
könnte als proprietär angesehen werden. 
Betreff: Normalitätstest nicht bestanden@PatrickGiuliano Danke! Jetzt verstehe ich, worauf ihr hinauswollt. In diesem Fall werden die erzeugten Rohdaten gruppiert. Im Grunde besteht meine Ausgabe aus zwei Spalten: der Bin und der Anzahl. Ich bin mir nicht sicher, ob es einen Weg gibt, dieses Problem zu umgehen. Ich habe jedoch ein Skript geschrieben, um so viele Werte für jede Bin zu generieren, wie in der Spalte „Anzahl“ aufgeführt sind. Dies ist der Zahlensatz, den ich später in JMP eingebe, um den Normalitätstest durchzuführen. Ich hatte gehofft, dass JMP einen anderen Satz von Bins generieren würde, damit meine Verteilung als kontinuierlicher erscheint/interpretiert würde. Bei Bedarf kann ich einen Beispieldatensatz anhängen. Vielen Dank für alle Beiträge!
Betreff: Normalitätstest nicht bestanden@garibay90 Ich bin einverstanden mit @P_Bartell , aber wenn du sagst „ Es handelt sich tatsächlich um eine Sammlung von Zahlen, und JMP übernimmt die Klassifizierung. Sie haben Recht, sind aber gleichzeitig nicht ganz richtig.Ja, das Histogramm übernimmt die automatische Einteilung für Sie, und Sie können diese Einteilung dynamisch anpassen, indem Sie das „Grabber“-Tool verwenden.ABER die Daten sind die Daten, und die Daten zeigen bei einer „vernünftigen“ Bin-Größe – und durch das NQ-Diagramm ziemlich stark bestätigt –, dass die Daten in Bins unterteilt sind, d. h. in meinem Sprachgebrauch in separate „Gruppen“ „partitioniert“ sind ."Meine Wortwahl ist wahrscheinlich nicht die richtige statistische Sprache, aber hoffentlich sind wir auf derselben Seite.Ich glaube was @P_Bartell meint: Sie müssen sich mit der Frage befassen: „Warum sind Ihre Daten so strukturiert?“Die Beantwortung dieser Frage ist wahrscheinlich von grundlegender Bedeutung für die Durchführung einer ANOVA.Zuerst müssen die Art und der Kontext Ihrer Daten verstanden werden. Anschließend können Sie verschiedene inferenzstatistische Techniken anwenden, um verschiedene Hypothesen zu testen (z. B. zum Mittelwert, zur Varianz usw.).
Betreff: Normalitätstest nicht bestandenDie Daten werden nicht gruppiert. Es handelt sich eigentlich um eine Sammlung von Zahlen, und JMP führt das Binning durch. Im Anhang finden Sie eine weitere Abbildung des Journals, die die Verteilung der bestückten Behälter deutlich zeigt.
Betreff: Normalitätstest nicht bestandenDanke schön! Ja, ich stimme mit dem überein, was Sie sagen. Dies ist nur ein Datensatz. Ich habe mehrere, wie in der Abbildung gezeigt.
Betreff: Normalitätstest nicht bestandenIhre Daten werden in Abschnitte unterteilt, wie im Normalwahrscheinlichkeitsdiagramm dargestellt. Haben Sie diese Gruppierungsvereinbarung erstellt oder sind die Daten auf diese gruppierte Weise zu Ihnen gekommen? Wenn Sie das Binning erstellt haben, haben Sie vor dem Binning versucht, die Rohdaten zu verwenden?
Betreff: Normalitätstest nicht bestanden@garibay90 Ihre Daten können auch eine begrenzte Auflösung haben, was durch die offensichtlichen „Lücken“ zwischen den Balken in Ihrem Balkendiagramm deutlich wird, aber noch deutlicher erkennbar durch das „geschwätzige“ Muster der Punkte in Ihrem normalen Wahrscheinlichkeitsdiagramm.Diese Daten scheinen sich für ANOVA nicht besonders gut zu verhalten, es sei denn, dieser Datensatz besteht aus mehreren Gruppen (Stichproben)!In diesem Fall müssen Sie die Normalitätsbewertung zunächst für jede Gruppe separat durchführen.Und Dann Sie können die ANOVA ausführen.Aber selbst wenn Sie die ANOVA durchführen, wie bereits erwähnt, wird Ihre Analyse aufgrund Ihrer extrem großen Stichprobengröße „statistisch verzerrt“ sein.Hypothesentests im Allgemeinen (einschließlich ANOVA) weisen mit zunehmender Stichprobengröße eine viel höhere Aussagekraft zur Ablehnung der Nullhypothese auf.Für ANOVA testen Sie die Nullhypothese, dass der Behandlungsoffset für jeden Gruppenmittelwert (zum Gesamtmittelwert) für alle Behandlungsgruppen gleich ist.Wenn Sie die Null ablehnen, können Sie nur dies behaupten mindestens ein Unterschied Bei der Behandlung wird ein Versatz zwischen den Gruppen beobachtet.Hinweis: Eine weitere zentrale Annahme ist hier, dass die Varianz zwischen den Gruppen gleich ist.Sie können diese Annahme überprüfen, indem Sie „Y nach X> ungleiche Varianzen anpassen“ verwenden und die p-Werte betrachten, die mit den Hypothesentests verknüpft sind, die JMP automatisch erstellt.
Grundsätzlich handelt es sich bei ANOVA jedoch um einen Test, der die Mittelwerte zwischen Gruppen vergleicht (unter Berücksichtigung der Gesamtvarianz zwischen Gruppen, von der angenommen wird, dass sie von Gruppe zu Gruppe gleich ist).
Betreff: Normalitätstest nicht bestandenDanke, für die schnelle Antwort. Obwohl ich zustimme, dass die Verteilung schief ist, erwarte ich nicht, dass sie den Normalitätstest vollständig durchfällt, da die Menge einigermaßen normalverteilt aussieht – aber ja, ich habe im Moment keine quantitative Möglichkeit, dies zu rechtfertigen. Soweit ich mich erinnere, habe ich auch weniger Punkte in jedem Fach ausprobiert und trotzdem einen fehlgeschlagenen Normalitätstest erhalten. Auch die anderen Datensätze sehen gleich aus.
Im Grunde versuche ich, diese Sets zu vergleichen und festzustellen, welche sich im Vergleich zu einem Idealfallszenario unterscheiden. Ich bin offen für andere Alternativen. ANOVA ist der Ansatz, mit dem ich vertraut bin.
Betreff: Normalitätstest nicht bestandenDa es sich um eine große Stichprobe handelt, reagieren diese Tests äußerst empfindlich auf eine Abweichung von der (perfekten) Normalität.Die Beobachtungen weichen jedoch an beiden Enden von der Linearität im Diagramm des Normalquantils ab, was darauf hindeutet, dass die Verteilung rechtsschief ist. Warum glaubst du, dass es keinen Aufbruch gibt?
Ist dieses Beispiel eine der Proben, die in der ANOVA analysiert werden sollen? Wie sehen die anderen Proben aus?
