Der Vergleich bedeutet, dass unterschiedliche Methoden zu unterschiedlichen Ergebnissen führenHallo zusammen,
Ich habe eine kurze Frage zum Mittelwertvergleich in JMP 15.Meine Daten bestehen aus zwei Variablen:
Die unabhängig Die Variable ist eine ordinale Variable mit vier Stufen (hoch, mittel, niedrig und sehr niedrig), während die abhängige Variable kontinuierlich ist.
Ich möchte die Mittelwerte für vier Gruppen (hoch, mittel, niedrig und sehr niedrig) vergleichen, um festzustellen, ob zwischen ihnen ein statistischer Unterschied besteht oder nicht. Als ich (Tukey-Cramer-Methode für alle Paare) verwendet habe, keine Statistik Unterschied festgestellt wurde zwischen allen Mitteln. Wenn ich jedoch die t-Methode jedes Paars verwendet habe, a statistisch Unterschied zwischen dem „sehr niedrigen“ und dem „hohen“ Wert gefunden.
Meine Frage ist:
1- Warum gibt es Unterschiede zwischen den beiden Methoden?
2- Welches sollte verwendet werden?
Vielen Dank im Voraus,
Erweiterte statistische ModellierungDatenmischung und -bereinigungQualitäts- und VerfahrenstechnikBetreff: Ein Vergleich bedeutet, dass die Verwendung verschiedener Methoden zu unterschiedlichen Ergebnissen führtIch meine, fragen Sie nach dem T-Test des Schülers und dem Bericht über die geordneten Unterschiede. Wie in den folgenden Bildern.
Betreff: Ein Vergleich bedeutet, dass die Verwendung verschiedener Methoden zu unterschiedlichen Ergebnissen führtDanke @dale_lehman für Ihre ausführliche Antwort.
Betreff: Ein Vergleich bedeutet, dass die Verwendung verschiedener Methoden zu unterschiedlichen Ergebnissen führtHallo @iron_horne,
Vielen Dank für Ihr Feedback,
Ich habe die Bonferroni-Korrektur wie von Ihnen erklärt durchgeführt. Aber ich verstehe nicht, was Sie damit meinen, den T-Test mit mehreren Vergleichen durchzuführen? Ist das All Pairs, Tukey HSD?
Betreff: Ein Vergleich bedeutet, dass die Verwendung verschiedener Methoden zu unterschiedlichen Ergebnissen führtHallo @IceBreaker ,
als @dale_lehman erklärt, kontrolliert Tukey Mehrfachvergleiche, indem er einen Gesamtfehler vom Typ 1 bei 5 % hält. Darüber hinaus wird davon ausgegangen, dass die Varianzen zwischen den Gruppen gleich sind.
In dieser Situation würde ich den Vergleichstest noch einmal mit der Bonferroni-Korrektur durchführen. Teilen Sie dazu 5 % (oder welchen Fehlertyp I auch immer Sie berücksichtigen 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 den neuen Wert (0,008) ein. Führen Sie dann mehrere T-Test-Vergleiche durch und überprüfen Sie die Ergebnisse noch einmal.
Am wichtigsten ist, dass Sie sich die paarweise Vergleichstabelle ansehen und sich für jedes signifikante Paar fragen, ob es auch sinnvoll unterschiedlich 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 erheblich unterscheiden und dass es nicht dem Zweck der Studie dient, sie als gleichgültig zu betrachten? Ich finde es auffällig, dass so viele Menschen bei der Meldung von Bedeutung nicht darauf achten, dass dies der Fall ist.
Betreff: Ein Vergleich bedeutet, dass die Verwendung verschiedener Methoden zu unterschiedlichen Ergebnissen führtIch glaube, dass dies in der Dokumentation behandelt wird, aber kurz gesagt gibt der Vergleich jedes Paars vor, dass die einzigen Daten, die Sie haben, jedes Paar ist, das verglichen wird (d. h. es ist gleichbedeutend damit, jedes Paar von Gruppen zu unterteilen und isoliert auf einen Unterschied zu testen). .Das 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 durchführen (viele Gruppen zum Vergleichen), besteht eine beträchtliche Wahrscheinlichkeit, dass einige davon Fehler vom Typ 1 erzeugen, selbst wenn Sie in jedem der paarweisen Tests p < 0,05 finden.Tukey ist viel restriktiver (und umso mehr, je mehr Gruppen Sie haben), da jeder paarweise Test einer viel genaueren Prüfung unterzogen wird, um sicherzustellen, dass Ihre Gesamtwahrscheinlichkeit eines Fehlers vom Typ 1 alle von Ihnen durchgeführten Tests abdeckt.
Der paarweise Vergleich ist mit ziemlicher Sicherheit zu lax.Aber bei vielen Gruppen habe ich festgestellt, dass Tukey vielleicht zu restriktiv ist.Es lohnt sich, beides zu tun – und wenn die Ergebnisse qualitativ unterschiedlich sind, seien Sie bei Ihren Schlussfolgerungen bescheiden (zumindest bescheidener, als wenn die beiden Ansätze zu denselben qualitativen Schlussfolgerungen führen würden).
