다양한 유형의 평균 비교는 다양한 결과를 산출합니다. 왜 ?안녕하세요, 커뮤니티 여러분,
나는 세 개의 (작은) 표본의 평균을 비교하고 있습니다. 세 개의 그룹(A, B, C)이 있습니다. 두 단계(A와 B, B와 C)로 비교하면 t-테스트와 통합 t 테스트에 따라 상당한 평균 차이가 나타납니다.
그러나 "각 쌍 학생의 t"를 사용하여 A, B 및 C를 동시에 비교하면 큰 차이가 없습니다.
(예는 그림으로 제공됩니다.)
누군가 결과 차이 뒤에 숨어 있는 이론을 이해하도록 도와주실 수 있나요?
매우 감사합니다 !
소비자 및 시장 조사품질 및 프로세스 엔지니어링결과 공유 및 전달답: 평균 비교 유형에 따라 결과가 달라집니다. 왜 ?귀하의 답변에 진심으로 감사드립니다. 차이점을 이해하는 데 도움이 되었고 데이터를 분석하는 방법에 대한 새로운 아이디어도 얻었습니다. 나는 하나의 해결책을 "수락"하겠지만 분명히 모든 대답은 상호보완적입니다. 모두 감사드리며 좋은 하루 보내세요!
답: 평균 비교 유형에 따라 결과가 달라집니다. 왜 ?가정이 다른 것 같아요. 레벨 이름을 마스킹한 것 같은데, 마스킹 과정에서 오류가 있는지는 잘 모르겠습니다. 스크린샷에서 4개의 숫자를 강조 표시하겠습니다. 두 숫자가 서로 일치하기를 바랍니다. 예를 들어 표면적으로 두 번째 ANOVA는 B/C 사이에 -1.5를 표시하고 LSD에는 1.5가 있지만 A/로 표시됩니다. C이므로 확실하지 않습니다.)
차이점의 값은 동일하지만 차이점의 표준 오류가 다르다는 점을 지적하고 싶습니다. ANOVA에는 다음과 같은 참고 사항이 있습니다. 등분산을 가정합니다. LSD 비교에서는 문서에서 등분산 가정에 대한 명시적인 설명을 볼 수 없지만 그 가정은 불균등분산이라고 생각합니다. 표준 오차 계산에 대한 자세한 내용은 이 페이지에서 확인할 수 있습니다. 비교 원
답: 평균 비교 유형에 따라 결과가 달라집니다. 왜 ?안녕 @A_Random_Name ,
무엇보다도 의미가 전부는 아니라는 점을 덧붙이고 싶습니다. 그룹 간의 차이가 의미가 있는지 스스로에게 물어볼 필요가 있습니다. 그래프는 모든 점이 포함되는 파란색 선을 사용하여 일부 유형의 범위를 표시합니다. 파란색 선 내에만 있어야 한다면 샘플에 가장 극단적인 사례를 포함시키는 것이 좋은 것 같습니다.
답: 평균 비교 유형에 따라 결과가 달라집니다. 왜 ?먼저, 커뮤니티에 오신 것을 환영합니다. 또 다른 설명을 드리겠습니다...모델 효과의 중요성은 모델에 어떤 효과가 있는지에 따라 다릅니다. 모형에서 항을 추가하거나 제거하면 모형 효과(추정치, 유의성 등)가 변경될 수 있습니다. 공선성에 의문을 제기할 수도 있습니다.
답: 평균 비교 유형에 따라 결과가 달라집니다. 왜 ?안녕 @A_Random_Name ,
특정 통계 테스트를 사용한다는 것은 이 테스트의 가정이 충족되었음을 의미합니다.
t-검정의 경우 네 가지 주요 가정이 충족되어야 합니다.
- 데이터는 연속적입니다.
- 샘플 데이터는 모집단에서 무작위로 샘플링되었습니다.
- 분산의 동질성이 있습니다(즉, 각 그룹의 데이터 변동성이 유사함).
- 분포는 대략 정규 분포입니다.
(원천 : t-검정 | 통계학개론 | JMP )
귀하의 경우 여기에서 t-검정을 사용하는 데 몇 가지 문제가 있을 수 있으며, 이는 차이점을 설명할 수 있습니다.
- 표본 크기가 작기 때문에 정규성을 확인하기 어려울 수 있으므로 모수적 검정(정규 분포를 가정하는 통계 검정)은 권장되지 않을 수 있습니다. (대략적인) 정규성을 확인하려면 정규 분위수 도표를 살펴보세요.
- 분산의 동질성도 존중되지 않을 수 있습니다(귀하의 예에서 그룹 B에는 분산이 없는 것으로 보이며 그룹 C에는 매우 작은 분산이 있고 그룹 A에는 분산이 더 많은 것으로 보입니다). 이를 확인하려면 "Fit Y by X" 플랫폼의 빨간색 삼각형에서 "불균등 분산"을 테스트할 수 있습니다. JMP는 또한 두 그룹 간의 등분산을 가정하지 않는 수정된 t-검정인 Welch의 검정을 제공합니다. 이는 수행 중인 일부 비교에 도움이 될 수 있습니다.
- 두 개 이상의 그룹을 비교하려면 t-test를 사용하지 말고 Tukey-Kramer(모수적 테스트의 경우 제1종 오류를 제한하기 위해) 또는 Steel-Dwass(비모수적 버전)를 사용하면 됩니다. 사용할 수 있는 통계 테스트가 많이 있습니다. 목표와 가정의 측면에서 귀하의 문제에 가장 적합한 테스트가 무엇인지 확인하는 시간을 가지십시오.
또한 신뢰 구간을 살펴보면 신뢰 구간이 겹치는 것을 비교에서 확인할 수 있습니다. 이는 큰 효과 크기 및/또는 실제 통계적 차이가 없음을 나타낼 수 있습니다. 표본 크기가 낮고 t-검정과 같은 모수 검정에 대해 충족되지 않는 가정으로 인해 중요한 결과는 제1종 오류일 수 있습니다( 실제로 참인 귀무가설을 잘못 거부하는 경우, 여기서는 그룹의 평균이 동일/동등하다는 것이 참인 귀무가설입니다.
사용 가능한 통계 테스트에 대한 자세한 내용을 알아보려면 주저하지 말고 JMP 통계 포털이나 Fit Y by X 플랫폼의 JMP 도움말을 확인하세요.
이 첫 번째 정보가 도움이 되길 바랍니다 
