Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Recientemente actualicé de la versión 15 a la 17 y descubrí que la opción de análisis post hoc no paramétrico ahora estaba atenuada cuando se incluía un bloque en ajuste Y por X usando Friedman como una prueba no paramétrica. Debería ser posible usar una prueba LSD para mostrar las diferencias individuales entre las sumas de rango de cada par, esto era posible en la versión 15. ¿Por qué se eliminó esta opción en la versión 17?
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Hola @CompuestoRam426 ,
Sería útil tener una muestra de sus datos anonimizados para estar seguro de su objetivo y comprobar qué prueba podría ser la más adecuada.
Si está realizando pruebas de comparaciones múltiples, puede elegir Tukey HSD (en prueba paramétrica) o Steel-Dwass All Pairs (en prueba no paramétrica, comparaciones múltiples) que protegen la prueba de error general.
Espero haber entendido bien tu pregunta y que esta primera respuesta te pueda ayudar,
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Hola Se adjunta un archivo de datos. Evaluador es un bloque y Tratamientos un factor con cuatro niveles. Los datos son % de una línea VAS (0-150 mm). el archivo de datos incluye un script para un análisis de Friedman usando Fit Y by X, pruebas no paramétricas. pero no hay disponible análisis post-hoc para el individual comparaciones (en gris) .
Por lo general, una prueba de LSD en la suma de rangos se puede utilizar como análisis Post Hoc como se muestra en la fórmula adjunta.
Atentamente
flamenco
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Hola @flvs ,
Entonces, si entiendo su problema correctamente, le gustaría comparar tratamientos según el valor de la columna "Datos". Tiene 3 tratamientos alternativos y un tratamiento de referencia (estándar).
Me temo que en su configuración, la prueba de Friedman será la única opción que tendrá: " Si especifica una variable de bloque en la ventana de inicio y hay recuentos iguales para cada combinación de bloque y nivel de variable X, la prueba de clasificación de Friedman es la única opción no paramétrica disponible. Si especifica una variable de bloque en la ventana de inicio y hay recuentos desiguales, ninguna de las opciones no paramétricas está disponible". de la ayuda de JMP: Opciones de la plataforma Oneway (jmp.com)
- R) La otra prueba no paramétrica que estaba mencionando (Steel-Dwass All Pairs, o Steel with Control si solo está interesado en comparaciones entre alternativas y tratamiento estándar (y no entre alternativas)) no está disponible cuando hay un Bloque variable. Tendrías que quitar tu bloque "Asessor" para usarlos.
Otra opción para tener más información podría ser utilizar la plataforma Fit Model, para modelar la columna de Datos en función del Tratamiento con Evaluador como efecto aleatorio. A continuación, puede visualizar con el perfilador qué tratamiento es similar al tratamiento de referencia (alternativa 3) y cuáles son mejores en comparación con el tratamiento estándar (1 y 2).- C) Es posible que me haya perdido algo al leer su archivo demasiado rápido, pero parece que sus datos respetan las tres suposiciones detrás de las pruebas paramétricas (la distribución de datos es casi normal, la homogeneidad de las varianzas y la independencia de las observaciones), por lo que tal vez aún podría usar Tukey HSD (para hacer todas las comparaciones mientras se protege la prueba de error general) o la prueba de Dunnett con Control (para hacer la comparación entre las alternativas y la referencia). Estas pruebas paramétricas admiten variables de bloque.
Me uní a la tabla de datos que proporcionó con los scripts agregados para las tres opciones.
Espero que estas sugerencias te ayuden,
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?hola victor
Gracias por sus sugerencias y tiene razón en que los datos no violan el supuesto de distribución normal del error.
Estoy enseñando a estudiantes universitarios varios métodos estadísticos para análisis sensoriales utilizando datos de clasificación, donde Friedman es la herramienta utilizada, por ejemplo, en estándares internacionales para análisis sensoriales (ISO 8587), por lo que insisto en usar este método. Dado que los rangos dentro de cada evaluador no son independientes, no sería correcto utilizar la prueba de rango de Wilcoxon.
Como se mencionó anteriormente, no había una comparación individual paramétrica disponible en JMP, pero se eliminó en la nueva versión 17, que en realidad es mi pregunta.
PD. Por cierto, usar el modelo de ajuste con efecto aleatorio es una forma interesante de analizar dichos datos (dada la normalidad).
Atentamente
flamenco
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Ok, gracias por el contexto sobre este análisis. @flvs !
Siento no poder ayudarte más. Quizás @Mark_Bailey tendrá una respuesta sobre este cambio de función en JMP 17?
Atentamente,
Re: ¿Qué prueba post hoc puedo usar después de una prueba de Friedman?La prueba de Friedman proporcionada por la plataforma Oneway requiere un diseño de bloque completo. Utilice este ejemplo para probar su versión de JMP:
dt = Open( "$SAMPLE_DATA/Snapdragon.jmp" );
obj = dt << Oneway(
Y( :Y ),
X( :Soil ),
Block( :Block )
);
obj << Friedman Rank Test( 1 );
Las pruebas post hoc posteriores a la prueba de Friedman están previstas para la próxima versión de JMP.
¿Qué prueba post hoc puedo usar después de una prueba de Friedman?Hola.
Estoy usando la prueba de Friedman en mis datos y ahora me gustaría saber cuál de las comparaciones no paramétricas puedo usar como prueba post hoc. La prueba que quería usar era Bonferroni, para hacer los ajustes y correcciones de errores. ¿Qué tengo que hacer?
Modelado Estadístico AvanzadoAnálisis y modelado de datos básicosModelado predictivo y aprendizaje automáticoIngeniería de Calidad y ProcesosRe: ¿Qué prueba post hoc puedo utilizar después de una prueba de Friedman?Es lamentable que no exista una comparación múltiple disponible para la prueba de Friedman. ¿Hay alguna sugerencia sobre cómo proceder, si uno quiere realizarlas? ¿Se podría realizar una prueba similar en la plataforma Fit Model, con comparación múltiple? Es decir, una alternativa no paramétrica a RM-ANOVA
