比较小样本量的 5 种均值我在 20 天内对动物行为进行了大约 37 个小时的采样，同时让它们接受 5 种不同的“治疗”。这些治疗方法具有不同的结构，我想看看他们如何使用这些方法，特别是他们使用它们的频率。我每两天改变一次“治疗”，每种治疗总共进行两次试验。总共有 10 名研究对象，他们没有接受相同时间的治疗（仅仅因为他们并不总是可用），而且我也没有接受相同时间的治疗（即，与天气相关）事件）。
我想比较治疗之间的平均事件发生率（让我们称之为交叉事件），看看这些事件之间是否存在统计上的显着差异。我计算了事件发生率，因为没有在相同的时间内对治疗进行采样，并且研究对象也没有在相同的时间内接受治疗。
Ho：每种处理的平均交叉率是相同的。
Ha：每个处理的平均交叉率并不相同。
我以这种方式组织数据来比较平均值（这只是一个简短的示例，不是真实的数据）：
| 天 | 治疗 | 活动 | 采样时间（分钟） | 事件发生率 |
| 1 | A | 3 | 85 | 0.035 |
| 2 | A | 2 | 60 | 0.033 |
| 3 | B | 0 | 75 | 0.00 |
| 4 | B | 7 | 115 | 0.06 |
| 5 | C | 12 | 125 | 0.096 |
| 6 | C | 1 | 90 | 0.011 |
| 7 | A | 0 | 200 | 0.00 |
| 8 | A | 2 | 110 | 0.018 |
| 9 | D | 6 | 120 | 0.05 |
| 10 | D | 5 | 105 | 0.047 |
由于我有五种方法可供比较，因此我决定进行 Kruskal-Wallis 检验（我的数据不是正态分布）并使用 Bonferroni 校正。然而，当我运行它时，它显示“小样本量。请参阅统计表进行测试，而不是大样本近似值。”我应该以不同的方式组织我的数据吗？比如按研究科目而不是按天交叉？这将为我提供大约 50 行数据，其中包括个体差异，而不是按天汇总所有数据。我应该简单地看统计表吗？我想知道对此最好的方法是什么。
谢谢你！有任何问题请告诉我。
大规模定制回复：比较小样本量的 5 种方法同样，每次事件与治疗的散点图也没有表现出明显的效果。
回复：比较小样本量的 5 种方法这似乎是泊松对数线性回归的经典案例。 JMP 通过广义线性模型 (GLM) 提供它。 您直接对事件计数进行建模。 我将您的数据复制到 JMP 数据表中。
每次治疗的观察时间不同。 这种变化被称为“机会”，并使用偏移量进行建模。 偏移量是日志（机会）。
然后选择 Analyze > Fit Model 并将启动对话框更改为如下所示。
这是回归的结果。
在 alpha = 0.05（整体模型测试和效果测试）时，处理效果不显着。 “过度分散”很明显，这意味着方差大于响应的泊松分布的预期。 偏差也很显着，这表明不适合。 可能存在随着治疗而变化的潜在变量。
