Gepaarter T-Test vs. ANOVA – und ich kann nicht herausfinden, wie man den ANOVA-Test durchführt.Wir haben eine Marketingstudie für unser Produkt durchgeführt, die übrigens einen starken klinischen Behandlungseffekt zu zeigen scheint (die Teilnehmer hatten am Ende weniger Schmerzen als zu Beginn) und ich war freiwillig für die statistische Analyse.
Ich habe einen gepaarten T-Test auf der Basislinie im Vergleich zu den Schmerzwerten der 8. Woche (Specialized Modelling --> Matched Pairs -->) mit sehr niedrigen p-Werten durchgeführt.
Ich wurde jedoch ehrgeizig (weil JMP es so einfach macht) und verglich die Baseline mit 4 Wochen, dann die Baseline mit 8 Wochen und 4 Wochen mit 8 Wochen.Alle zeigten Signifikanz, aber der Unterschied zwischen 4 und 8 Wochen war nie klinisch relevant.
Als es um die Veröffentlichung ging, sagte der Rezensent, ich hätte "Einweg-ANOVA mit wiederholten Messungen" verwenden sollen, weil ich drei Zeitpunkte hatte.was schien fair genug (irgendwie)?
großes Problem--- Ich kann nicht herausfinden, wie man den ANOVA-Test durchführt. Die Histogramme und Boxplots zeigen visuell, dass es einen Unterschied gibt (bedeutet 2,8 vs. 2,76 S dev 1,6 , 1,1).Die Daten sind in drei Spalten mit Schmerzscores (kontinuierliche (0-10)Variablen) aufgeführt.
Wie kann ich JMP veranlassen, meine Spalten zu vergleichen? unterscheiden sie sich deutlich?
Entschuldigung, wenn dies eine wirklich dumme Frage ist, aber meine Rezensenten müssen etwas sehen ...
Danke für jede Hilfe, die jeder anbieten kann.
Peter
AnalytikDatentabelleBetreff: Gepaarter T-Test vs. ANOVA - und ich kann nicht herausfinden, wie der ANOVA-Test durchgeführt wird.Die Mittelwerte im Beitrag waren 5,8 vs 2,76 (Tippfehler)Betreff: Gepaarter T-Test vs. ANOVA - und ich kann nicht herausfinden, wie der ANOVA-Test durchgeführt wird.Hallo PeterD!
Zunächst sollten Sie das Thema Wiederholte Messungen im Statistikindex unter Hilfe untersuchen.Wenn Sie der Themenhilfe folgen, wird das benötigte Datenformat vorgeschlagen und die Analyse besser verstanden.Hilfe kann tatsächlich hilfreich sein.
Zweitens sind wiederholte Maßnahmen im besten Fall eine Art statistisches "Heavy Lifting".Ihren Analyseplan zu ändern, nachdem das Experiment entworfen und durchgeführt wurde, ist nicht die besten Umstände.Soweit ich das beurteilen kann, befürchte ich, dass Ihr Rezensent ein Problem mit Ihrer Analyse richtig erkannt hat, aber es ist nicht unbedingt leicht zu beheben, und alle Ergebnisse, die Sie retten können, sind möglicherweise technisch nicht nützlich.Im Idealfall hätten Sie vor dem Entwerfen und Ausführen Ihres Experiments einen Statistiker konsultiert, der Ihnen möglicherweise früher geholfen hat, die Probleme mit Ihrem Plan zu identifizieren.
Viel Glück.
Betreff: Gepaarter T-Test vs. ANOVA - und ich kann nicht herausfinden, wie der ANOVA-Test durchgeführt wird.Ich habe keine ANOVA mit wiederholten Messungen durchgeführt, aber das klingt nach der richtigen Vorgehensweise.Wenn ich es richtig verstehe, ist es analog zur Standard-ANOVA genauso, wie sich ein Standard-t-Test auf einen t-Test mit übereinstimmenden Paaren bezieht.Aber abgesehen von diesen statistischen Details klingt Ihre Beschreibung Ihrer Ergebnisse für mich ziemlich klar.Die Behandlung scheint einen Einfluss von der Baseline auf entweder den 4- oder 8-Wochen-Punkt zu haben, aber der Unterschied zwischen 4 und 8 Wochen ist nicht signifikant.Bedeutet das nicht, dass es Beweise dafür gibt, dass die Behandlung eine Wirkung hat, aber dass die Wirkung nach 4 Wochen spürbar ist und eine Verlängerung über 8 Wochen nicht viel hinzuzufügen scheint?Diese Geschichte klingt im Einklang mit dem, was Sie gesagt haben, und scheint mir Sinn zu machen.Die ANOVA mit wiederholten Messungen kann zu etwas anderen statistischen Ergebnissen führen, aber ich denke, die Betonung von "signifikanten" oder "nicht signifikanten" Vergleichen ist hier nicht das Wichtigste.Die Beweise, die Sie haben, deuten auf eine Behandlung hin, die wirkt, wobei die Wirkung innerhalb von 4 Wochen spürbar ist und dass eine längere Behandlung von diesem Zeitpunkt an möglicherweise nicht mehr viel verbessert wird.
