Comparer des moyens utilisant différentes méthodes donne des résultats différentsSalut tout le monde,
J'ai une petite question sur la comparaison des moyennes dans JMP 15.Mes données sont composées de deux variables :
les indépendant variable est une variable ordinale à quatre niveaux (élevé, moyen, faible et très faible), tandis que la variable dépendante est continue.
Je souhaite comparer les moyennes de quatre groupes (élevé, moyen, faible et très faible) pour voir s'il existe ou non une différence statistique entre eux. quand j'ai utilisé (toutes les paires méthode Tukey-Cramer), pas de statistique une différence a été trouvée entre tous les moyens. Cependant, lorsque j'ai utilisé (la méthode t de chaque élève de paire), un statistique différence entre les niveaux "très bas" et "élevés".
Ma question est:
1- pourquoi y a-t-il des différences entre les deux méthodes ?
2- lequel faut-il utiliser ?
Merci d'avance,
AnalytiqueRe: Comparer des moyens utilisant différentes méthodes donne des résultats différentsJe pense que cela est couvert dans la documentation, mais brièvement, la comparaison de chaque paire prétend que les seules données que vous avez sont chaque paire comparée (c'est-à-dire que cela équivaut à sous-ensemble chaque paire de groupes et à tester une différence, isolément) .Le Tukey HSD tient compte du fait que vous effectuez plusieurs comparaisons et garantit que la probabilité d'une erreur de type 1 reflète la totalité des tests de différences entre paires.Donc, si vous faisiez 100 tests (beaucoup de groupes à comparer), il y a de fortes chances que même si vous trouvez p<.05 dans chacun des tests par paires, certains d'entre eux produiront des erreurs de type 1.Tukey est beaucoup plus restrictif (et plus encore, plus vous avez de groupes) dans la mesure où chaque test par paire est soumis à un examen beaucoup plus approfondi pour garantir que votre probabilité globale d'erreur de type 1 couvre tous les tests que vous effectuerez.
La comparaison par paires est presque certainement trop laxiste.Mais avec de nombreux groupes, j'ai trouvé Tukey peut-être trop restrictif.Cela vaut la peine de faire les deux - et lorsque les résultats diffèrent qualitativement, soyez humble quant à vos conclusions (au moins plus humble que si les deux approches donnent les mêmes conclusions qualitatives).
Re: Comparer des moyens utilisant différentes méthodes donne des résultats différentssalut @Breaker ,
comme @dale_lehman expliqué, Tukey contrôle les comparaisons multiples en maintenant une erreur globale de type un à 5%. De plus, il suppose des variances égales entre les groupes.
dans cette situation, j'effectuerais à nouveau le test de comparaison en utilisant la correction de Bonferroni. Pour ce faire, divisez 5% (ou toute erreur de type I que vous souhaitez autoriser) par le nombre de comparaisons par paires que vous avez (6 pour 4 catégories différentes). Avant d'exécuter le modèle, dans le triangle rouge de la plate-forme du modèle d'ajustement, définissez le niveau alpha sur cette nouvelle valeur (0,008). Effectuez ensuite le test t de comparaisons multiples et inspectez à nouveau les résultats.
Plus important encore, je vous suggère d'inspecter le tableau des comparaisons par paires et de vous demander pour chaque paire significative si elle est également significativement différente - le groupe signifie-t-il que vous avez différent dans le monde réel. SI vous avez vu deux observations avec les deux valeurs différentes, seriez-vous en mesure de dire qu'elles sont substantiellement différentes et que les considérer comme indifférentes ne sert pas l'objectif de l'étude. Je trouve frappant de voir comment tant de personnes ne s'assurent pas que c'est le cas lorsqu'elles signalent une importance.
