Queridos compañeros de la comunidad,
Me gustaría preguntarle si alguien conoce alguna forma de producir pruebas t múltiples corregidas por la corrección de Sidak.
https://en.wikipedia.org/wiki/%C5%A0id%C3%A1k_correction_for_t-test
En particular, me gustaría usarlo en un contexto de regresión múltiple para la comparación entre categorías.
Por ejemplo, usando la tabla de datos de clase grande y ejecutando el siguiente modelo: altura = peso + sexo + edad + edad * sexo. Ahora me gustaría comparar cada grupo en el término de interacción edad * sexo con todos los demás usando la corrección Sidak.
No necesito hacer esto muchas veces, así que no me importa producir el informe final de cartas manualmente.
Muchas gracias,
Ron
Ron,
Solo por curiosidad, ¿qué te aporta la corrección de Sidak que Bonferroni, Tukey o FDR no?
-SEGUNDO
querido @Byron_JMP , gracias por preguntar
La corrección de Sidak no me consigue nada. sin embargo, cuando me lo solicitó un revisor anónimo en una revista académica revisada por pares, no tuve otra opción ...
Creo que, fundamentalmente, este es un caso con el que me encuentro ocasionalmente en el que herramientas estadísticas similares (o incluso idénticas) se usan comúnmente en diferentes disciplinas o simplemente se nombran de manera diferente. Como VIF vs. tolerancia, constante vs. intercepción, Beta vs. coeficientes estandarizados y así sucesivamente.
Por otro lado, ya que estamos en el tema, ¿podría informarme si hay alguna otra forma de ajustar Bonferroni además de establecer "manualmente" el nivel alfa en la plataforma del modelo de ajuste y luego ejecutar la prueba t de un estudiante?
El problema es que con algunos factores, cada uno con un número diferente de categorías, necesito ejecutar el modelo varias veces, cada vez con un alfa diferente especificado. ¿No sería mejor que la configuración alfa fuera por factor en lugar de por todo el modelo?
Lo que hago actualmente es ejecutar el modelo con la prueba post hoc que quiero, guardar el script y luego modificar el script para tener diferentes alfas para cada factor.
Otro punto para cualquiera que use este método: cuando configure un nivel alfa diferente a 0.05, preste atención a que el informe de letras de conexión se ajuste mientras que el formato predeterminado de los valores p (colores y estrellas) en la diferencia ordenada o el informe detallado no se ajusta.
Cualquier persona que desee compartir su experiencia sobre el tema es bienvenida.
