Was nützen Fehlerbalken?Ein Blog zur kognitiven Psychologie veröffentlichte kürzlich einen interessanten Beitrag über ein wichtiges und seit langem bestehendes Problem bei wissenschaftlichen Veröffentlichungen: Die meisten Forscher verstehen Fehlerbalken nicht .
Fehlerbalken sind grafische Elemente, die in einem statistischen Diagramm enthalten sind, um die Unsicherheit in einer Stichprobenstatistik darzustellen. Sie sind für JMP-Benutzer wichtig, da Fehlerbalken häufig erwähnt werden, wenn Benutzer gefragt werden, welche neuen Funktionen sie in der nächsten Version der Software sehen möchten.
Sie werden seit langem verwendet, es gibt jedoch keinen wirklichen Standard für sie. Viele Veröffentlichungen haben im Laufe der Zeit einige Konventionen übernommen, eine Harmonisierung ist jedoch bislang nicht erfolgt. Der Name „Fehlerbalken“ könnte bedeuten, dass er einen Standardfehler darstellt. In der Praxis nehmen Fehlerbalken jedoch verschiedene Formen an und stellen andere Größen dar, beispielsweise die Stichprobenstandardabweichung oder ein Konfidenzintervall des Stichprobenmittelwerts. Es gibt viele verschiedene „Faustregeln“, wie sie zu erstellen oder zu interpretieren sind. Unabhängig davon, ob Sie als Autor Fehlerbalken für Ihre Diagramme auswählen oder als Leser Fehlerbalken in einem Artikel interpretieren, kann es zu Verwirrung über deren Zweck und Form kommen.
Der Autor des Blogs, Dave Munger, befragte die Leser vor dem Verfassen seines Eintrags, um herauszufinden, ob sie wussten, wie man diese statistischen Grafiken verwendet, und ob sie dies auch konnten nicht Ich war überrascht, dass viele Teilnehmer Schwierigkeiten hatten. Er zitierte eine große veröffentlichte Studie von Sarah Belia, die für Autoren in psychologischen, neurowissenschaftlichen und medizinischen Fachzeitschriften zum gleichen Ergebnis kam. Wie könnten intelligente, gut ausgebildete und erfahrene Forscher Schwierigkeiten mit einem so alten, alltäglichen und scheinbar einfachen Gerät haben?
Ich denke, dass der Grund für dieses weitverbreitete berufliche Übel darin liegt, dass wir dasselbe Gerät für unterschiedliche Zwecke verwendet haben, dass wir unterschiedliche Grafiken verwendet haben, um dasselbe darzustellen, und dass wir unterschiedliche Formeln verwendet haben, um sie zu berechnen. Um dies zu sehen, vergleichen Sie Fehlerbalken mit einem anderen grafischen Gerät, das ebenfalls zur Darstellung der Unsicherheit in Stichprobenstatistiken verwendet wird, dem Shewhart-Kontrollkarte . Diese Diagrammfamilie verfügt über eine explizit Modell für jede Art der Stichprobenstatistik (z. B. Einzeldaten, Stichprobendurchschnitt, Stichprobenbereich).
Kontrollkarten haben streng Regeln für die Berechnung der Kontrollgrenzen und die Erstellung des Diagramms. Jedes Diagramm besteht aus den gleichen Komponenten. Wenn Sie also beispielsweise lernen, wie man ein Stichprobenmittelwertdiagramm (X-Balken-Diagramm) liest, können Sie auch ein Proportional-Defekt-Diagramm (P-Diagramm) lesen. Während der Diagrammtyp von den Daten abhängt, wird das Diagramm auf die gleiche Weise erstellt und interpretiert, sodass diese verschiedenen Kontrolldiagramme eine ähnliche Form behalten und ähnliche Informationen übermitteln. Andererseits haben Fehlerbalken nicht den gleichen Luxus; Sie haben nicht die gleiche Form oder vermitteln nicht die gleichen Informationen, was sie oft mehrdeutig macht.
Wofür verwenden Sie also Fehlerbalken? Mir fallen drei gemeinsame Zwecke ein, die ausreichen, um meinen Standpunkt zu veranschaulichen.
1. Stellen Sie die Variation in einer Datenstichprobe dar, die als beschreibende Zusammenfassung der Stichprobe dargestellt wird.
2. Stellen Sie die Unsicherheit in einer Stichprobenstatistik dar, die verwendet wird, um Rückschlüsse auf die Bevölkerung zu ziehen.
3. Stellen Sie die Unsicherheit in mehreren Stichprobenstatistiken dar, die zum Vergleich von Populationen verwendet werden.
Da diese Zwecke sehr unterschiedlich sind, gibt es nicht die eine Fehleranzeige, die in jedem Fall funktioniert. Was unternimmt JMP dagegen? JMP verwendet a unterscheidbar Grafik für jeden Zweck, die für jeden Zweck einzigartig geeignet ist. Untersuchen die Große Klasse Datensatz gefunden in der Beispieldaten Ordner, der JMP beiliegt. Benutzen Sie die Ein Weg Plattform zur Erkundung der Körpergröße verschiedener Altersgruppen. Der Schlüssel zur Beseitigung dieser Verwirrung liegt darin, für jeden Zweck die richtige Grafik zu verwenden.
1. JMP zeigt die Streuung der Daten mit Standardabweichungslinien.
Wenn Sie eine Frage zur Variation in den einzelnen Altersgruppen haben, können Sie die verwenden Ungleiche Varianzen Befehl, um die Antwort zu erhalten. Zusätzlich zu einem numerischen Bericht, der Hypothesentests zu den Standardabweichungen enthält, fügt JMP hinzu Standardabweichungslinien zum Diagramm, die eine Standardabweichung über und unter dem Stichprobendurchschnitt darstellen. Diese Gruppenstatistiken werden nicht zusammengefasst, da Sie die Variation in jeder Gruppe kennen möchten.
2. JMP zeigt die Position des Stichprobendurchschnitts mit einer Raute an.
Wenn Sie eine Frage zum Standort jeder Gruppe haben, können Sie die verwenden Bedeutet Befehl. Auch hier erhalten Sie neben einem numerischen Bericht eine neue Grafik. Der bedeutet Diamanten Stellen Sie die Stichprobenmittelwerte als Punktschätzungen (Mittellinien) und als Konfidenzintervalle (obere und untere Punkte der Rauten) dar. Das Standardkonfidenzniveau beträgt 95 %. Sie können diese Stufe jederzeit mit ändern Legen Sie die Alpha-Ebene fest Befehl, und alle Berichte werden aktualisiert. Darüber hinaus ist die Breite der Raute proportional zur Größe der Gruppe. Diese Grafik unterscheidet sich von den vorherigen Standardabweichungslinien, ist umfangreicher und liefert eine bessere Antwort auf die Position jeder Gruppe.
3. JMP vergleicht Stichprobenmittelwerte mit Kreisen.
Wenn Sie die Standorte von Gruppen vergleichen möchten, können Sie erneut die Mittelrauten verwenden. Sie beinhalten Überlappungslinien in der Nähe der Ober- und Unterseite. Wenn sich das Intervall zwischen diesen Linien für eine Gruppe nicht mit dem Intervall zwischen diesen Linien für eine andere Gruppe überschneidet, unterscheiden sich die Gruppenmittelwerte erheblich. Diese Vergleiche verwenden dasselbe Signifikanzniveau wie das Konfidenzintervall, das standardmäßig Alpha = 0,05 beträgt.
Im Blogbeitrag von Munger wurde eine „Faustregel“ erwähnt, die besagt: „Die Konfidenzintervalle können sich um bis zu 25 % ihrer Gesamtlänge überlappen und dennoch einen signifikanten Unterschied zwischen den Mittelwerten für jede Gruppe aufweisen.“ Beachten Sie zunächst, dass der Zweck eines Konfidenzintervalls als solches darin besteht, die Unsicherheit im Gruppenmittelwert anzuzeigen. Die Überlappungslinien hingegen dienen speziell solchen Vergleichen.
Zweitens müssen wir auch wissen, dass die Fehlerbalken ein Konfidenzintervall darstellen. Drittens sind die Annahmen für diese Regel nicht ganz klar und werden in der Praxis auch nicht immer erfüllt. Viertens ist das Ausmaß der Überlappung visuell schwer zu beurteilen. Eine andere Faustregel wird für die Fälle empfohlen, in denen die Fehlerbalken stattdessen den Standardfehler darstellen, und diese Regel weist ähnliche Schwächen auf. Wenn wir eine Software verwenden, um einen Plot zu erstellen, warum nutzen wir sie dann nicht auch, um eine bessere Grafik zu erstellen und den richtigen Hypothesentest zu erstellen? P -Wert, was ist ein besserer Weg, um die Signifikanz zu bestimmen?
Wenn Sie jedoch mehr als zwei Gruppen haben, bieten die Überlappungslinien keinen Schutz davor Inflation des experimentellen Alpha, das inhärent ist mehrere Vergleiche . JMP bietet eine zweite Möglichkeit zum Vergleichen von Gruppendurchschnitten, die die Anzahl der durchzuführenden Vergleiche berücksichtigt. Verwenden Sie einen der Befehle im Mittelwerte vergleichen Gruppe, wie die Alle Paare, Tukey HSD Befehl. Dieser Befehl erzeugt für jede Gruppe eine neue Grafik. Wie die Mitteldiamanten, die Vergleichskreise Informieren Sie über die Position (Mitte) und die Streuung (Radius) der Stichprobenstatistiken, sie werden jedoch zusätzlich angepasst, um die Anzahl der Vergleiche zu berücksichtigen. Um Gruppenmittelwerte zu vergleichen, wählen Sie eine Gruppe aus, indem Sie auf ihren Kreis klicken. JMP antwortet dann grafisch mit der Antwort. Es reicht nicht aus, festzustellen, ob sich Kreise überlappen.
Ich habe den untersten Kreis ausgewählt, um zu fragen, ob sich diese Gruppe (Alter=12) von allen anderen Gruppen in diesem Beispiel unterscheidet. Die Kreise für drei Gruppen (Alter = 14, 15, 17) werden grau, um anzuzeigen, dass sie sich deutlich unterscheiden.
Sie können auch die verwenden Verbindungsbuchstaben um festzustellen, welche Gruppendurchschnitte gleich oder unterschiedlich sind. Gruppen, die keinen gemeinsamen Buchstaben haben, unterscheiden sich deutlich. Wieder sehen Sie, dass (Alter=12, Gruppe 
sich von (Alter=14,15,17, Gruppe A) unterscheidet.
Was nützen also Fehlerbalken? Sie sind dann gut, wenn sie nützliche Informationen klar und eindeutig vermitteln. Sie könnten jedoch überbeansprucht sein und für Zwecke verwendet werden, für die bessere Grafiken erfunden wurden. JMP berücksichtigt die von Ihnen gewünschten Informationen und verwendet die beste verfügbare Grafik, um sie zu vermitteln.
Hinzugefügt am 24. November 2008:
Ich habe ein weiteres relevantes Beispiel für Fehlerbalken in JMP gefunden. Wenn Sie „Modell anpassen“ verwenden, um ein lineares Modell mit standardmäßiger Regression der kleinsten Quadrate zu analysieren, erhalten Sie automatisch ein Leverage-Plot für jeden Term im Modell, wenn dies der Fall ist Schwerpunkt Ist Wirkungshebel . (Wenn Sie eine andere Hervorhebung verwenden, können Sie das Leverage-Diagramm trotzdem erhalten, indem Sie auf das rote Dreieck oben im Fenster neben „Reaktion“ klicken und auswählen Zeilendiagnose > Hebelwirkung des Handlungseffekts . Öffnen Sie nun die Effektdetails und die Berichte für einzelne Effekte.) Ein kategorischer Effekt umfasst a Kleinste Quadrate bedeuten Tabelle unter dem Leverage-Plot. Dieser Bericht enthält den LS-Mittelwert, den Standardfehler und den Mittelwert für jede Stufe dieses Effekts. Sie können mit der rechten Maustaste in den Bericht klicken und auswählen Säulen > Niedrigere 95 % Und Säulen > Obere 95 % um die Grenzen für das 95 %-Konfidenzintervall der LS-Mittelwertschätzung zu erhalten. Das Ergebnis sieht etwa so aus:
(Hinweis: Dieses Ergebnis verwendet einen Big-Class-Datensatz und das Modell ist Gewicht = Alter + Geschlecht + Größe. Dieses Bild dient dem Alterseffekt.)
Klicken Sie nun auf das rote Dreieck oben im Leverage-Diagramm und wählen Sie LS Means Plot. Das Diagramm zeigt zum Vergleich eine Grafik der LS-Mittelwerte zusammen mit Fehlerbalken für das 95 %-Konfidenzintervall. Die Handlung sieht in etwa so aus:
Lassen Sie mich wissen, wenn Sie weitere Beispiele für Fehlerbalken in JMP finden!
Hinzugefügt am 30. März 2009:
Fehlerbalken sind auf einigen JMP-Plattformen optional. Beispielsweise möchten Sie möglicherweise Fehlerbalken in einem Balkendiagramm anzeigen. Dieses Beispiel zeigt Ihnen, wie Sie sie hinzufügen.
1. Auswählen Helfen > Beispieldaten . Öffnen Sie den Abschnitt Beispiele für den Unterricht und wählen Sie aus Große Klasse .
2. Wählen Sie Graph > Diagramm . Wählen Sie Höhe > Statistiken > Bedeuten . Wählen Alter > Kategorien, X, Ebenen . Wählen OK .
3. Klicken Sie auf das rote Dreieck neben Diagramm und wählen Sie aus Fehlerbalken zum Mittelwert hinzufügen .
4. Sie haben die Wahl zwischen der zu verwendenden Menge und ihrem Vielfachen. Verwenden Sie einen Standardfehler des Mittelwerts, um die Unsicherheit seiner Schätzung anzuzeigen.
5. Wählen Sie OK .
Das ist alles dazu.
Mark Bailey schrieb: Ich verstehe Ihre Verwirrung. Das ist c...Mark Bailey schrieb:
Ich verstehe Ihre Verwirrung. Das kommt häufig vor und ist der Grund, warum ich diesen Beitrag überhaupt geschrieben habe. Die Antwort ist leider, dass es von der Menge abhängt, die durch den Fehlerbalken dargestellt wird. (Aufgrund dieser Abhängigkeit ist es wichtig, dass Autoren angeben, was der Fehlerbalken in einem bestimmten Diagramm darstellt.) Wenn der Fehlerbalken eine Standardabweichung darstellt, gibt er Auskunft über den typischen Unterschied zwischen einer Beobachtung und dem Mittelwert. Wenn es einen Standardfehler darstellt, gibt es Auskunft über den typischen Unterschied zwischen einer Schätzung und dem wahren Parameter. Wenn es ein Konfidenzintervall darstellt, dann gibt es einen Wertebereich für den wahren Parameter mit einem bestimmten Konfidenzniveau an.
Aus Ihrem Kommentar geht hervor, dass Ihnen gesagt wurde, Sie sollten eine Standardabweichung Ihrer Labordaten verwenden, um den Fehlerbalken darzustellen. In diesem Fall gibt Ihnen der Fehlerbalken den typischen Abstand zwischen einer Beobachtung und dem Mittelwert an.
Emily hat geschrieben: Ich habe diesen gesamten Beitrag gelesen und obwohl ich es nicht bin...Emily schrieb:
Ich habe diesen gesamten Beitrag gelesen und obwohl ich mich mittlerweile sehr für Statistiken interessiere, bin ich mir immer noch nicht sicher, wie ich Fehlerbalken interpretieren soll. Ich studiere Biologie im ersten Jahr an der James Madison University und stoße derzeit auf viele Statistiken. Probleme bei der Interpretation meiner Laborergebnisse. Ist das richtig? Der Fehlerbalken sagt Ihnen, wie stark Ihre Datenverteilung vom Mittelwert abfällt?
Mark Bailey schrieb: Ja, die Variation in den Stichprobenstatistiken ...Mark Bailey schrieb:
Ja, die Variation in der Stichprobenstatistik (Mittelwertschätzung) wird durch den Standardfehler des Mittelwerts dargestellt und der Standardfehler sollte zum Zeichnen der Fehlerbalken für den Mittelwertmarker verwendet werden. Diese Verwendung von Fehlerbalken sollte vom Autor bei jeder Verwendung erklärt werden, anstatt es dem Leser zu überlassen, anzunehmen oder zu erraten, was der Fehlerbalken darstellt.
Christie schrieb: Zeigen die mittleren Fehlerbalken den Standardwert an?Christie schrieb:
Zeigen die mittleren Fehlerbalken den Mittelwert des Standardfehlers an?
Mark Bailey schrieb: Das ist eine großartige Frage, denn sie ist...Mark Bailey schrieb:
Das ist eine gute Frage, denn sie führt zu allgemeiner Verwirrung darüber, was diese verschiedenen Intervalle darstellen und für welchen Zweck sie gedacht sind.
Der Konfidenzintervall ist eine Aussage über den wahren Mittelwert. Es vermittelt ein bestimmtes Maß an Vertrauen in die Lage des wahren Mittelwerts. (Es ist keine Aussage über die Wahrscheinlichkeit, dass der wahre Mittelwert innerhalb des Intervalls liegt.) Es berücksichtigt die Unsicherheit in unseren Schätzungen der Stichprobenstatistik. Bei dem Intervall wird davon ausgegangen, dass der wahre Mittelwert und die Varianz der Grundgesamtheit fest sind und dass der geschätzte Mittelwert und die Varianz über einfache Zufallsstichproben hinweg variieren. Sie wird als Punktschätzung mit symmetrischen Rändern auf beiden Seiten für die Unsicherheit berechnet. Die Marge ist ein Vielfaches (z. B. 1,96) davon Standart Fehler der Statistik. (Der Standardfehler misst die Variation in einer Statistik, so wie die Standardabweichung die Variation in Daten misst.) Der Standardfehler wird aus allen Gruppen zusammengefasst, da unser Analysemodell eine einzige, gemeinsame Varianz liefert. Der Multiplikator stellt sicher, dass der gewünschte Anteil der Fälle (z. B. 95 %) durch das Intervall repräsentiert wird. Der Multiplikator ist ein Quantil aus der Student-t-Verteilung und eine Funktion der Gruppengröße.
Dieses Intervall kann zur Schlussfolgerung verwendet werden. Es entspricht der Ein-Stichproben-Version des Student-t-Tests. In diesem Fall vergleichen Sie einen Stichprobenmittelwert mit einem hypothetischen Populationsmittelwert. Wenn das Intervall den hypothetischen Mittelwert enthält, würden Sie die Nullhypothese nicht ablehnen. Wenn das Intervall nicht den hypothetischen Mittelwert enthält, würden Sie die Nullhypothese ablehnen und entscheiden, dass der Populationsmittelwert vom hypothetischen Mittelwert abweicht. Der gemeiner Diamant stellt sowohl den Punkt (mittlere horizontale Linie) als auch die Intervallschätzungen (vertikale Enden der Raute) dar. Der T-Test bei einer Stichprobe basiert auf einer Statistik, die als Differenz zwischen dem Stichprobenmittelwert und dem hypothetischen Mittelwert dividiert durch den Standardfehler des Mittelwerts berechnet wird.
Wir möchten nicht auf den Mittelwert einer Gruppe schließen, indem wir das Konfidenzintervall einer anderen Gruppe verwenden, wie oben beschrieben. Wir können stattdessen einen T-Test bei zwei Stichproben, die äquivalente einfaktorielle Varianzanalyse (ANOVA) oder eine der vier auf Vergleichskreisen basierenden Methoden verwenden. Der T-Test bei zwei Stichproben basiert auf einer Statistik, die als Differenz zwischen den Stichprobenmittelwerten dividiert durch den Standardfehler der Differenz der Stichprobenmittelwerte berechnet wird. Der Standardfehler der Differenz kann auch zur Berechnung eines Konfidenzintervalls für die Differenz verwendet werden. Die mittlere Raute repräsentiert dieses Konfidenzintervall als Überlappungsmarkierungen . Der Standardfehler der Differenz ist die Quadratwurzel der Summe der quadrierten Standardfehler der Gruppenmittelwerte. JMP geht davon aus, dass der Standardfehler des Mittelwerts für alle Gruppen gleich ist, um die Berechnung der Marge zu vereinfachen: die Quadratwurzel aus dem Zweifachen des Quadrats des Standardfehlers des Mittelwerts. Diese Annahme trifft nur zu, wenn die Gruppen gleich groß sind, daher sollte diese visuelle Beurteilung nur in solchen Fällen verwendet werden.
Weitere Informationen finden Sie im Grundlegende JMP-Analyse und -Grafik Leitfaden (JMP > Hilfe > Bücher) sowie dieser Artikel in einer Ausgabe von 1996 JMPer Cable-Newsletter. . Der Artikel von Ann Lehman mit dem Titel „The Value of Cut Diamonds“ erläutert, warum die Anpassung angemessen ist.
Aris schrieb: Warum ist es notwendig, die Überlappungsmarkierungen zu verwenden ...Aris schrieb:
Warum ist es notwendig, die Überlappungsmarkierungen der Mittelrauten zu verwenden, um zwei Mittel zu trennen? Reicht die Überlappung des Konfidenzintervalls nicht aus, um zu zeigen, dass sich zwei Mittelwerte nicht unterscheiden? Woher kommt die Formel 2^0,5 * CI/2 zur Berechnung der Überlappungsmarken? Es wird im JMP-Handbuch nicht erklärt.
Die 10 besten JMP-Blogbeiträge des Jahres 2011 - JMP Blog schrieb: [...] Was...Die 10 besten JMP-Blogbeiträge 2011 – JMP-Blog schrieb:
[...] Was nützen Fehlerbalken? (2008) [...]
Don Gregory schrieb: Im Original-Blogbeitrag heißt es: „Standard...“Don Gregory schrieb:
Im ursprünglichen Blog-Beitrag heißt es: „Standardfehler sind typischerweise kleiner als Konfidenzintervalle.“ Wenn man davon ausgeht, dass es sich bei allen um Normalverteilungen handelt (nicht angegeben, aber ich denke, angenommen), stimmt das nicht, dass CI es sind? stets größer als der Standardfehler. des Mittelwerts. Ich dachte, dass der std.err. des Mittelwerts war die Std.Dev. der Grundgesamtheit der Mittelwerte vieler Stichproben (die anhand der Daten geschätzt wird); und dass das 95 %-KI daher ein Vielfaches (ungefähr 2 Sigma) des std.err wäre?
Don Gregory schrieb: Außerdem erwähnt der Autor des Blogbeitrags, dass...Don Gregory schrieb:
Außerdem erwähnt der Autor des Blogbeitrags, dass Fehlerbalken bei korrelierten Stichproben ungeeignet sind. Ich kann die Anforderung verstehen, dass zwei „Proben“ für Anova unabhängig sein müssen, aber wenn „Vorher“- und „Nachher“-Messungen nicht geeignet sind, gibt es meiner Meinung nach eine ganze Reihe von Leuten, die die Anova-Plattform (mit Vergleichsmitteln) falsch verwenden?
Ich denke, es gibt eine viel von Leuten, die es genau für diesen Zweck verwenden; Die Frage ist also: Wenn das nicht stimmt, wie lässt sich dann die Signifikanz einer Reihe von Messungen „vorher“ und „nachher“ „richtig“ bewerten?
Bioforscher mittlerer Ebene schrieb: Vielen Dank...biologischer Forscher mittlerer Ebene schrieb:
Vielen Dank für diesen Beitrag. Es fällt mir so schwer, Kollegen die Bedeutung von Fehlerbalken zu erklären, die davon überzeugt sind, dass es für sie eine Art absoluten Standard gibt. Ich hoffe, dass es hilfreich sein wird, sie auf diesen Beitrag hinzuweisen.
Mark Bailey schrieb: Ich stimme zu, dass das 95 %-Konfidenzintervall ...Mark Bailey schrieb:
Ich stimme zu, dass das 95 %-Konfidenzintervall breiter sein wird als ein Intervall eines Standardfehlers, da der kritische t-Wert für Alpha=0,05 immer größer als 1 sein wird. Wenn Sie jedoch weniger Vertrauen benötigen, kann der Multiplikator kleiner als eins sein. Wenn Sie beispielsweise beim Vergleich der Mittelwerte aus zwei Grundgesamtheiten mit einer Stichprobe von jeweils 3 nur 60 % benötigen, beträgt Ihr Multiplikator nur 0,94. Dieser Fall ist jedoch unwahrscheinlich.
Mark Bailey schrieb: Dies ist ein weiterer Fall, in dem der Vergleich ...Mark Bailey schrieb:
Dies ist ein weiterer Fall, bei dem der Vergleich paarweise Beobachtungen umfasste. Wenn in diesem Fall die Beobachtungen stark korrelieren oder die Variation zwischen Blöcken groß ist, ist das Konfidenzintervall der Stichprobenmittelwerte größer als das Konfidenzintervall für die gepaarten Differenzen. Dieser Fall kommt häufig vor. Leider erkennen viele Forscher die Paarung nicht und verwenden den weniger aussagekräftigen Zwei-Stichproben-Test des Mittelwerts.
Auch hier bietet JMP eine bessere Lösung: Analysieren > Übereinstimmende Paare, wenn Sie die Paarung erkennen.
dave hat geschrieben: Ich bin ein langjähriger Jump-Benutzer, habe aber erst kürzlich ...Dave schrieb:
Ich bin ein langjähriger Jump-Benutzer, habe diesen Blog aber erst kürzlich entdeckt. Ich möchte sagen, dass Beiträge wie dieser äußerst interessant sind.
Ich würde gerne mehr Beiträge zu bestimmten statistischen Themen/Problemen sehen und wie JMP diese angeht.
Mark Bailey hat geschrieben: Wir freuen uns über Ihre Kommentare. Dieser Blog...Mark Bailey schrieb:
Wir freuen uns über Ihre Kommentare. Dieser Blog ist aktiv und abwechslungsreich. Wir versuchen, es für ein breites Publikum interessant zu machen. Bitte lassen Sie uns wissen, wenn es spezielle Themen oder Probleme gibt, die Sie interessieren.
Mark Bailey hat geschrieben: Ihr Kommentar wird sehr geschätzt. Helfen...Mark Bailey schrieb:
Ihr Kommentar wird sehr geschätzt. Helfen Sie uns, Ihnen zu helfen! Sie (und jeder andere Leser) können gerne Themen vorschlagen, die uns vielleicht nicht in den Sinn kommen, oder angeben, dass ein bestimmtes Thema für uns hier Priorität haben sollte.
Nochmals vielen Dank für Ihre Kommentare!
Walter R. Paczkowski schrieb: Das war eine gute Diskussion über ...Walter R. Paczkowski schrieb:
Dies war eine gute Diskussion über die Fehlerbalken und die Tools in JMP für Vergleiche. Ich habe zwei Fragen, die eher der Information oder Aufklärung dienen. Erstens: Gibt es Hinweise auf die Konstruktion der Überlappungsbereiche der Rauten? Zweitens kann die Interpretation der Buchstabenzuweisungen verwirrend sein. Gibt es also Richtlinien für die Interpretation? Sind sie beispielsweise transitiv, sodass sich X nicht von Z unterscheidet, wenn sich X nicht von Y und Y nicht von Z unterscheidet?
Mark Bailey schrieb: Es gibt Informationen darüber, wie die Über...Mark Bailey schrieb:
Es gibt Informationen darüber, wie die Überlappungsmarkierungen im bedeutet Diamanten werden berechnet. Siehe die JMP-Statistik- und Grafikhandbuch im Kapitel 7, in dem es um das geht Ein Weg Plattform. (Die Referenzhandbücher sind als PDF-Dokumente über verfügbar Hilfe > Bücher Menü.) Siehe den Abschnitt Bedeutet Rauten und x-Achsen-Proportional Weitere Einzelheiten finden Sie in diesem Kapitel.
Ihr Transitivitätsbeispiel ist nicht unbedingt wahr, und ich habe Ausnahmen davon gesehen. Die Buchstabengruppierung soll die Interpretation signifikanter Unterschiede zwischen den Mittelwerten für verschiedene Ebenen erleichtern. Die Buchstabenbezeichnungen funktionieren nach den gleichen Prinzipien wie die zugrunde liegende Mehrfachvergleichsmethode, auf der sie basieren. Einfach ausgedrückt: Wenn zwei Gruppen denselben Buchstaben haben, unterscheiden sie sich auf der angegebenen Ebene nicht wesentlich. Wenn andernfalls zwei Gruppen unterschiedliche Buchstaben zugewiesen werden, unterscheiden sie sich auf der angegebenen Ebene deutlich. Einige Stufen können mehr als einem Buchstaben zugeordnet sein.
Florian hat geschrieben: Weiß jemand, wie ich Fehlerbalken hinzufügen kann ...Florian schrieb:
Weiß jemand, wie ich in JMP Fehlerbalken zu einem Balkendiagramm hinzufügen kann?
Mark Bailey schrieb: Bitte beachten Sie den Nachtrag zum Original...Mark Bailey schrieb:
Bitte beachten Sie den Nachtrag zum Original-Blogeintrag.
Mark Bailey hat geschrieben: Bitte beachten Sie die unten hinzugefügte Antwort ...Mark Bailey schrieb:
Bitte beachten Sie die am Ende des Blogeintrags hinzugefügte Antwort.
Anger Management hat geschrieben: Hilfreiche Informationen. Vielen Dank...Aggressionsbewältigung schrieb:
Hilfreiche Information. Vielen Dank.
Elizabeth Salas schrieb: Wenn Sie das Analyse-Anpassungsmodell verwenden, um ...Elizabeth Salas schrieb:
Wenn Sie das Analyse-Anpassungsmodell verwenden, um eine 3-Wege-ANOVA mit gemischtem Modell auszuführen, wird in allen Tabellen in der Ausgabe der Standardfehler angezeigt. Gibt es eine Möglichkeit, dies auf Standardabweichung umzustellen?
Jede Hilfe wäre sehr dankbar!
Danke
Mark Bailey hat geschrieben: Ihre Frage ist gut! Das Einfache...Mark Bailey schrieb:
Deine Frage ist gut! Die einfache Antwort ist, dass „Modell anpassen“ bereits die Standardabweichung für Ihre Ergebnisse anzeigt.
Die lange Antwort lautet, dass an der Analyse Ihres Mixed-Effects-Modells zwei Arten von Populationen beteiligt sind. Die erste Art ist eine Datenpopulation, bei der wir die Streuung von Datenwerten (z. B. Antwort, Prädiktor) mithilfe einer Standardabweichung beschreiben. Die zweite Art ist eine statistische Grundgesamtheit, bei der wir die Streuung von Statistiken (z. B. Parameter, LS-Mittelwerte) mithilfe eines Standardfehlers beschreiben. Der Standardfehler ist tatsächlich die Standardabweichung der Stichprobenverteilung der geschätzten Statistik.
Die Standardabweichung der Daten gibt keinen direkten Hinweis auf die Unsicherheit der geschätzten Statistik, obwohl sie damit zusammenhängt. Je stärker die Daten variieren (größere Standardabweichung), desto stärker variiert die Stichprobenstatistik (größerer Standardfehler). Der genaue Zusammenhang hängt jedoch vom Modell, seiner Parametrisierung und der Methode zur Schätzung der Statistik ab. Der beste Indikator für die Unsicherheit der Statistik ist also der zugehörige Standardfehler.
