Der Vergleich von Mitteln mit verschiedenen Methoden führt zu unterschiedlichen ErgebnissenHallo zusammen,
Ich habe eine kurze Frage zum Vergleich von Mittelwerten in JMP 15.Meine Daten bestehen aus zwei Variablen:
das unabhängig Variable ist eine ordinale Variable mit vier Stufen (hoch, mittel, niedrig und sehr niedrig), während die abhängige Variable stetig ist.
Ich möchte die Mittelwerte für vier Gruppen (hoch, mittel, niedrig und sehr niedrig) vergleichen, um zu sehen, ob es einen statistischen Unterschied zwischen ihnen gibt oder nicht. wenn ich (Alle Paare Tukey-Cramer-Methode) verwendet habe, keine Statistik Unterschied wurde gefunden zwischen allen Mitteln. Wenn ich jedoch (die t-Methode jedes Paares) verwendet habe, a statistisch Unterschied zwischen dem "sehr niedrigen" und dem "hohen" Niveau gefunden wurde.
Meine Frage ist:
1- Warum gibt es Unterschiede zwischen den beiden Methoden?
2- Welches sollte verwendet werden?
Vielen Dank im Voraus,
AnalytikBetreff: Mittelvergleich mit unterschiedlichen Methoden führt zu unterschiedlichen ErgebnissenIch glaube, dies wird in der Dokumentation behandelt, aber kurz gesagt, der Vergleich jedes Paares gibt vor, dass die einzigen Daten, die Sie haben, jedes Paar ist, das verglichen wird (dh es entspricht einer Unterteilung jedes Paars von Gruppen und einem isolierten Testen auf einen Unterschied). .Der Tukey HSD berücksichtigt, dass Sie mehrere Vergleiche durchführen und stellt sicher, dass die Wahrscheinlichkeit eines Fehlers vom Typ 1 die Gesamtheit der Tests auf Unterschiede zwischen Paaren widerspiegelt.Wenn Sie also 100 Tests (viele zu vergleichende Gruppen) durchführen, besteht eine beträchtliche Wahrscheinlichkeit, dass selbst dann, wenn Sie in jedem der paarweisen Tests p<.05 finden, einige davon Fehler vom Typ 1 erzeugen.Tukey ist viel restriktiver (und umso mehr, je mehr Gruppen Sie haben), da jeder paarweise Test viel genauer untersucht wird, um sicherzustellen, dass Ihre Gesamtwahrscheinlichkeit eines Fehlers vom Typ 1 alle Tests abdeckt, die Sie durchführen werden.
Der paarweise Vergleich ist mit ziemlicher Sicherheit zu lasch.Aber bei vielen Gruppen habe ich festgestellt, dass Tukey vielleicht zu restriktiv ist.Es lohnt sich, beides zu tun - und wenn sich die Ergebnisse qualitativ unterscheiden, bleiben Sie bei Ihren Schlussfolgerungen bescheiden (zumindest bescheidener, als wenn die beiden Ansätze die gleichen qualitativen Schlussfolgerungen liefern).
Betreff: Mittelvergleich mit unterschiedlichen Methoden führt zu unterschiedlichen ErgebnissenHi @Eisbrecher ,
wie @dale_lehman erklärt, kontrolliert Tukey Mehrfachvergleiche, indem es einen Gesamtfehler vom Typ eins bei 5 % hält. Außerdem wird von gleichen Varianzen zwischen den Gruppen ausgegangen.
In dieser Situation würde ich den Vergleichstest noch einmal mit der Bonferroni-Korrektur durchführen. Um dies zu tun, dividieren Sie 5% (oder einen beliebigen Typ-I-Fehler, den Sie zulassen möchten) durch die Anzahl der paarweisen Vergleiche, die Sie haben (6 für 4 verschiedene Kategorien). Stellen Sie vor dem Ausführen des Modells im roten Dreieck der Anpassungsmodellplattform den Alpha-Wert auf diesen neuen Wert (0,008) ein. Führen Sie dann den t-Test-Mehrfachvergleich durch und überprüfen Sie die Ergebnisse noch einmal.
Am wichtigsten ist, dass Sie sich die Tabelle der paarweisen Vergleiche ansehen und sich für jedes signifikante Paar fragen, ob es auch sinnvoll anders ist - sind die Gruppenmittelwerte, die Sie in der realen Welt haben, unterschiedlich. Wenn Sie zwei Beobachtungen mit den beiden unterschiedlichen Werten sehen würden, könnten Sie sagen, dass sie sich wesentlich unterscheiden und sie als gleichgültig zu betrachten, dient nicht dem Zweck der Studie. Ich finde es auffallend, wie viele Leute sich nicht vergewissern, dass dies der Fall ist, wenn sie über Signifikanz berichten.
