Test accoppiati o non accoppiati?CIAO,
Ho un set di dati con campioni misurati dopo incubazione per 0, 1 e 2 giorni.
Ogni campione è stato preparato in triplicato e ogni replica è stata poi incubata a 0, 1 o 2 giorni.
Vorrei verificare se il tempo di incubazione abbia avuto qualche effetto sulle misurazioni.
Quale test sarebbe corretto utilizzare? È un test accoppiato (coppie abbinate) o non accoppiato? I dati non sono parametrici.
Grazie.
Ingegneria della qualità e dei processiRe: test accoppiato o non accoppiato?Ciao @DI !
Guardando le tue situazioni e spiegazioni, hai:
- 3 gruppi: 0, 1 e 2 giorni,
- Stessi campioni per i tre gruppi, poiché le repliche provengono dallo stesso campione originale.
Vorrei fare un test di Friedman, che è un test accoppiato non parametrico per più di due gruppi. Hai il tuo ID campione (fonte/originale) come fattore di blocco e Time/days come variabile di raggruppamento (vedi esempio allegato).
Se ritieni che le tue diverse repliche siano indipendenti (non provenienti dalla stessa fonte di campionamento), un test di Kruskall-Wallis potrebbe essere appropriato.
Maggiori informazioni qui: Test non parametrici (jmp.com)
Sono sicuro che gli esperti di statistica in questa comunità avranno altre idee o domande per te per aiutarti.
Spero che questa prima risposta ti possa aiutare,
Re: test accoppiato o non accoppiato?Il tempo viene solitamente trattato come una variabile continua, quindi puoi regredire Y rispetto al tempo e determinare se esiste una relazione. Cosa intendi quando dici che i dati non sono parametrici? Qual è la risposta? Ci sono gruppi o altre variabili che cambiano in questo studio?
Re: test accoppiato o non accoppiato?Grazie per aver risposto alla mia domanda. Scusa se non sono stato chiaro. I dati non sono normalmente distribuiti.
Il tempo è l'unico parametro che cambia.
Quindi, posso semplicemente tracciare la risposta rispetto al tempo (entrambi come variabili continue) per ID campione e vedere se sono correlati utilizzando un test di correlazione non parametrico?
Ho allegato il set di dati.
Re: test accoppiato o non accoppiato?Ciao @DI ,
Esistono diversi modi per mostrare se il tempo ha un'influenza (significativa) sulla tua risposta:
- Visualizzazione tramite Graph Builder (immagine "DI_1") : Questo grafico mostra abbastanza facilmente che la risposta non sembra dipendente dal tempo, ma più influenzata dalla variabilità dei campioni.
- Modellazione attraverso la piattaforma "Fit Model" (immagine "DI_2"): creando un modello misto (con Sample_ID come effetto casuale) per vedere se l'evoluzione della risposta è influenzata dal tempo, puoi vedere che il tempo non sembra essere una variabile significativa, in contraddizione con l'effetto casuale "Sample_ID" dove il valore p di Wald è vicino a 0,05. Con un approccio più semplice (minimi quadrati standard con tempo e sample_ID come variabili di input), vedrai lo stesso confronto: tempo come variabile non significativa e campione come significativa (o quasi significativa).
- Analisi tramite la piattaforma di Measurement System Analysis, per valutare e confrontare la varianza tra input time e sample (immagine "DI_3") : creando un'analisi MSA con la tua risposta come risposta, sample_ID come "Part, sample ID" e Time come variabile di raggruppamento ( X), vedrai che il 99% della varianza nella risposta dei tuoi esperimenti deriva dai tuoi campioni, non dal tempo.
- Infine, puoi anche utilizzare la piattaforma Multivariata, inserendo Tempo (come variabile continua) e la tua risposta, e nel triangolo rosso spuntando "Correlazioni non parametriche" -> "Spearman" (ad esempio), e vedrai quanto poco correlato e non significativo è il tempo relativo alla tua risposta (immagine "DI_4").
Guardando i risultati delle diverse piattaforme, la conclusione sembra abbastanza chiara.
Sono abbastanza sicuro che ci siano analisi migliori da fare che potrebbero essere più "statisticamente rigorose", ma la panoramica combinata con 4 diversi strumenti mostra un accordo.
spero che ti aiuti,
Re: test accoppiato o non accoppiato?Grazie mille per le risposte. Molto utile!
