平均比較のタイプが異なれば、結果も異なります。なぜ ？親愛なるコミュニティの皆さん、こんにちは。
3 つの（小さい）サンプルの平均を比較しています。 3 つのグループ (A、B、C) があります。 それらを 2 つのステップ (A と B、B と C) で比較すると、t 検定およびプールされた t 検定に従って有意な平均差が得られます。
ただし、「各ペアの Student's t」を使用して A、B、C を同時に比較すると、大きな違いは得られません。
(例は画像として提供されます)。
誰かが結果の違いの背後にある理論を理解するのを手伝ってくれませんか?
どうもありがとうございます ！
消費者および市場調査品質およびプロセスエンジニアリング結果の共有と伝達Re: 平均比較の種類が異なれば、結果も異なります。なぜ ？皆様、ご回答誠にありがとうございました。 彼らは違いを理解するのに役立ち、データを分析する新しいアイデアを与えてくれました。 私は 1 つの解決策を「受け入れる」つもりですが、明らかにすべての答えは補完的です。 皆さんありがとうございました、良い一日をお過ごしください!
Re: 平均比較の種類が異なれば、結果も異なります。なぜ ？前提が違うのではないかと思います。 レベル名をマスクしたようですが、マスク中に何らかのエラーが発生したかどうかはわかりません。 スクリーンショットで 4 つの数字を強調表示します。それらが互いに対応していることを願っています (たとえば、表面上、2 番目の ANOVA では B/C の間に -1.5 が表示され、LSD には 1.5 がありますが、A/ のように見えます)。 Cなのでよくわかりません）。
差の値は同じですが、差の標準誤差は異なることに注意してください。 ANOVA には、分散が等しいと仮定するという注意事項があります。 LSD 比較では、ドキュメントに等しい分散の仮定または不等分散の仮定に関する明示的な記述はありませんが、私はその仮定が不等分散であると信じています。 標準誤差の計算の詳細については、このページをご覧ください。比較円
Re: 平均比較の種類が異なれば、結果も異なります。なぜ ？こんにちは@A_ランダム名、
これらすべてに加えて、重要性がすべてではないことを付け加えておきたいと思います。グループ間の違いに意味があるかどうかを自問する必要があります。グラフには、青い線を使用してある種の範囲が表示され、すべての点がその範囲内に収まります。青い線の範囲内に収まるだけでよい場合は、サンプルに最も極端なケースを含めても問題ないようです。
Re: 平均比較の種類が異なれば、結果も異なります。なぜ ？まず、コミュニティへようこそ。 別の説明をします...モデル効果の重要性は、モデル内にどのような効果があるかによって決まります。 モデルに項を追加または削除すると、モデルの効果 (推定値、有意性など) が変更される可能性があります。 共線性にも疑問を抱くかもしれません。
Re: 平均比較の種類が異なれば、結果も異なります。なぜ ？こんにちは@A_ランダム名、
特定の統計検定を使用すると、この検定の前提条件が満たされていることを意味します。
t 検定では、次の 4 つの主な前提を満たす必要があります。
- データは連続的です。
- サンプル データは母集団からランダムに抽出されています。
- 分散は均一です (つまり、各グループのデータの変動が類似しています)。
- 分布はほぼ正規分布です。
（ソース ： t 検定 |統計学入門 | JMP ）
あなたの場合、ここで t 検定を使用するにはいくつかの問題が発生する可能性があります。これにより、表示される違いが説明される可能性があります。
- サンプルサイズが小さいため、正規性を確認することが難しい場合があるため、パラメトリック検定 (正規分布を仮定した統計検定) は推奨されない場合があります。 (おおよその) 正規性を確認するには、正規分位点プロットを見てください。
- 分散の均一性も尊重されない可能性があります（例では、グループ B には分散がなく、グループ C の分散は非常に小さく、グループ A の分散は大きいように見えます）。 これを確認するには、「Fit Y by X」プラットフォームの赤い三角形の「不等分散」をテストします。 JMP は、2 つのグループ間の分散が等しいと仮定しない修正 t 検定であるウェルチ検定も提供します。これは、実行している比較の一部に役立つ可能性があります。
- 3 つ以上のグループを比較する場合は、t 検定を使用せず、Tukey-Kramer (パラメトリック検定の場合、タイプ I エラーを制限するため) または Steel-Dwass (非パラメトリック バージョン) を使用する必要があります。 利用可能な統計テストは多数あります。目標と満たされている前提の観点から、どれが問題に最もよく適合するかを時間をかけて確認してください。
また、信頼区間にも注目してください。比較すると、信頼区間が重複していることがわかります。これは、大きな効果量や実際の統計的差異がないことを示している可能性があります。 サンプルサイズが低く、t 検定のようなパラメトリック検定では仮定が満たされていないため、重要な結果はタイプ I 過誤のみである可能性があります (実際には真の帰無仮説を誤って棄却すること。ここでの真の帰無仮説とは、グループの平均値が同じ/同等であることを指します。)
利用可能な統計テストの詳細については、JMP 統計ポータルまたは Fit Y by X プラットフォームの JMP ヘルプを遠慮なくチェックしてください。
これらの最初の情報が役立つことを願っています:)
