異なる方法を使用して手段を比較すると、異なる結果が得られますこんにちは、みんな、
JMP 15 の平均の比較について簡単な質問があります。私のデータは2つの変数で構成されています:
の独立variable は、4 つのレベル (high、medium、low、very low) を持つ順序変数であり、従属変数は連続です。
4 つのグループ (高、中、低、非常に低) の平均値を比較して、それらの間に統計的な違いがあるかどうかを確認したいと考えています。私が使用したとき（すべてのペアTukey-Cramer法）、統計なし違いが見つかりました是非とも。 しかし、私が（各ペア学生のtメソッド）を使用した場合、統計違い「非常に低い」レベルと「高い」レベルの間が見つかりました。
私の質問は：
1-なぜ2つの方法に違いがあるのですか?
2-どちらを使用する必要がありますか?
前もって感謝します、
分析Re: 異なる方法を使用して手段を比較すると、異なる結果が得られますつまり、学生の t 検定とその順序付けられた差異のレポートを要求するということです。 以下の画像のように。
Re: 異なる方法を使用して手段を比較すると、異なる結果が得られますありがとう@dale_lehmanあなたのための詳細な応答。
Re: 異なる方法を使用して手段を比較すると、異なる結果が得られます@iron_horne さん、こんにちは。
ご意見ありがとうございます、
あなたが説明したように、私はボンフェローニ補正を行いました。しかし、t検定の多重比較を実行するとはどういう意味ですか? Tukey HSD さん、All Pairs ですか？
Re: 異なる方法を使用して手段を比較すると、異なる結果が得られますやあ@アイスブレイカー、
なので@dale_lehman Tukey は、全体的なタイプ 1 の誤差を 5% に維持することで、多重比較を制御しています。 さらに、グループ全体の分散が等しいと仮定します。
この状況では、ボンフェローニ補正を使用して比較テストをもう一度実行します。 これを行うには、5% (または許可したい任意のタイプの I エラー) をペアごとの比較の数 (4 つの異なるカテゴリに対して 6) で割ります。 モデルを実行する前に、フィット モデル プラットフォームの赤い三角形で、アルファ レベルをその新しい値 (0.008) に設定します。 次に、t 検定の多重比較を実行し、結果をもう一度調べます。
最も重要なことは、ペアごとの比較表を調べて、重要なペアごとに意味のある違いがあるかどうかを自問することをお勧めします。 2 つの異なる値を持つ 2 つの観察結果を見た場合、それらは実質的に異なっており、それらを無関心であると見なすことは研究の目的に役立たないと言えます。 重大性を報告する際に、これが事実であることを確認しない人が非常に多いことは驚くべきことです。
Re: 異なる方法を使用して手段を比較すると、異なる結果が得られますこれはドキュメンテーションでカバーされていると思いますが、簡単に言うと、各ペアの比較は、比較対象の各ペアだけがデータであるかのように見せかけます (つまり、グループの各ペアをサブセット化し、分離して違いをテストすることと同じです)。 .Tukey HSD は、複数の比較を行っていることを考慮し、タイプ 1 のエラーの確率がペア間の差のテスト全体を反映するようにします。したがって、100 のテスト (比較対象のグループが多い) を行った場合、各ペアワイズ テストで p<.05 が見つかったとしても、これらのいくつかでタイプ 1 エラーが発生する可能性がかなりあります。Tukey は、タイプ 1 エラーの全体的な確率が実施するすべてのテストをカバーすることを保証するために、各ペアワイズ テストがより厳密に精査されるという点で、はるかに制限的です (そして、より多くのグループを持つほど)。
ペアごとの比較は、ほぼ確実に緩すぎます。しかし、多くのグループでは、Tukey がおそらく制限しすぎていることがわかりました。両方を行うことは価値があります。また、結果が質的に異なる場合は、結論について謙虚になりましょう (少なくとも、2 つのアプローチが同じ質的結論を出す場合よりも謙虚になります)。
