Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Hola querida comunidad,
Estoy comparando las medias de tres muestras (pequeñas). Tengo tres grupos (A, B, C). Si los comparo en dos pasos (A con B, B con C), obtengo una diferencia de medias significativa según la prueba t y la prueba t combinada.
Sin embargo, si realizo una comparación en A, B y C al mismo tiempo, utilizando "t de Student de cada par", no obtengo ninguna diferencia significativa.
(El ejemplo se proporciona como imagen).
¿Podría alguien ayudarme a comprender la teoría detrás de la diferencia en los resultados?
Muchas gracias !
Investigación de Consumidores y MercadosIngeniería de Calidad y ProcesosCompartir y comunicar resultadosRe: Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Muchas gracias a todos por vuestras respuestas. Me ayudaron a comprender las diferencias y me dieron nuevas ideas sobre cómo analizar los datos. "Aceptaré" una solución pero obviamente todas las respuestas son complementarias. ¡Gracias a todos y que tengáis un buen día!
Re: Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Sospecho que las suposiciones son diferentes. Parece que ha enmascarado los nombres de los niveles y no estoy seguro de si cometió algún error durante el enmascaramiento. Voy a resaltar 4 números en sus capturas de pantalla y espero que se correspondan entre sí (por ejemplo, en la superficie, el segundo ANOVA muestra -1,5 entre B/C, y hay 1,5 en LSD, pero parece ser A/ C, así que no estoy seguro).
Quiero señalar que los valores de las diferencias son los mismos, pero los errores estándar de las diferencias son diferentes. En ANOVA, hay notas: Suponiendo varianzas iguales. En las comparaciones de LSD, no veo declaraciones explícitas sobre supuestos de variaciones iguales o desiguales en la documentación, pero creo que el supuesto son variaciones desiguales. Y los detalles del cálculo del error estándar se pueden encontrar en esta página. Círculos de comparación
Re: Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Hola @A_Random_Name ,
Además de todo esto, me gustaría añadir que la importancia no lo es todo. es necesario preguntarse si las diferencias entre los grupos son significativas. sus gráficos muestran algún tipo de rango usando líneas azules en las que están todos los puntos. Si solo necesita estar dentro de la línea azul, parece que está listo para incluir los casos más extremos de la muestra.
Re: Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Primero, bienvenido a la comunidad. Te daré otra explicación... la importancia de cualquier efecto del modelo depende de los efectos que haya en el modelo. Si agrega o elimina términos del modelo, puede cambiar o cambiará los efectos del modelo (estimaciones, significancia, etc.). También podrías cuestionar la colinealidad.
Re: Diferentes tipos de comparaciones de medias producen resultados diferentes; por qué ?Hola @A_Random_Name ,
Utilizar una prueba estadística específica implica haber cumplido los supuestos de dicha prueba.
Para la prueba t, se deben cumplir cuatro supuestos principales:
- Los datos son continuos.
- Los datos muestrales se han muestreado aleatoriamente de una población.
- Hay homogeneidad de varianza (es decir, la variabilidad de los datos en cada grupo es similar).
- La distribución es aproximadamente normal.
(Fuente : La prueba t | Introducción a la estadística | JMP )
En su caso, es posible que tenga varios problemas para utilizar una prueba t aquí, lo que puede explicar las diferencias que ve:
- Debido al pequeño tamaño de la muestra, puede resultar difícil comprobar la normalidad, por lo que quizá no se recomiende una prueba paramétrica (una prueba estadística que supone distribuciones normales). Para comprobar la normalidad (aproximada), puede echar un vistazo al gráfico de cuantiles normales.
- Es posible que tampoco se respete la homogeneidad de la varianza (en su ejemplo, el grupo B parece no tener varianza, el grupo C una varianza muy pequeña y el grupo A más varianza). Para comprobar esto, puede probar la "Varianza desigual" en el triángulo rojo de la plataforma "Ajustar Y por X". JMP también le proporcionará la prueba de Welch, una prueba t modificada que no asume variaciones iguales entre sus 2 grupos, lo que puede ser informativo para algunas de las comparaciones que está haciendo.
- Si se desea comparar más de dos grupos, no se debe utilizar la prueba t, sino Tukey-Kramer (en caso de prueba paramétrica, para limitar el error tipo I) o Steel-Dwass (versión no paramétrica). Hay muchas pruebas estadísticas disponibles, tómese el tiempo para ver cuál se adapta mejor a su problema, en términos de objetivos y supuestos cumplidos.
También eche un vistazo al intervalo de confianza; verá en sus comparaciones que sus intervalos de confianza se superponen, lo que puede indicar que no tiene un tamaño de efecto grande y/o una diferencia estadística real. Debido al bajo tamaño de la muestra y a los supuestos que no se cumplen para una prueba paramétrica como la prueba t, los resultados significativos pueden ser solo errores de tipo I ( rechazos erróneos de una hipótesis nula realmente verdadera, siendo la hipótesis nula verdadera que las medias de los grupos son iguales/equivalentes).
No dudes en consultar el portal estadístico de JMP o la ayuda de JMP en la plataforma Fit Y by X para obtener más detalles sobre las pruebas estadísticas disponibles.
Espero que estas primeras informaciones te ayuden 
