非正規データの傾きの違いを判断する方法はありますか?私のモデルには、カテゴリ効果変数が 1 つ、連続効果変数が 1 つ、連続役割 (Y) 変数が 2 つあります。 QQ プロットでは変数の残差分布は比較的正規に見えますが、Anderson-Darling 検定では分布が正規ではないことが示されました。 以前の投稿を読みましたが、交互作用のある ANCOVA を実行し、インジケーターのパラメーター化推定値を使用して傾きを比較する必要があると書かれていました。 これをノンパラメトリックに行う方法はありますか? ありがとう！
基本的なデータ分析とモデリングRe: 非正規データの傾きの違いを判断する方法はありますか?個人的には、残差の QQ プロットが良好であれば、Anderson-Darling 検定について心配する必要はありません。 データポイントはいくつありますか? 十分なデータがあれば、あらゆる統計検定で統計的に有意な差が示されます。 ノンパラメトリックではなく、正規の誤差分布を仮定するのではなく、誤差分布を指定できる一般線形モデルを使用する方法もあります。
Re: 非正規データの傾きの違いを判断する方法はありますか?こんにちは、ダンさん
ご協力いただきありがとうございます。 私のモデルでは、各グループのサイズが異なります。 一部のグループ サイズは小さいですが、個々のサンプルには多数のデータ ポイントがあるため、合計データ ポイント/観測値の数は多数になります。 データの単純な線形回帰モデル (各グループのすべてのサンプルからのすべてのデータ ポイントを含む) をプロットしました。これは、線形回帰に含まれるグループごとに合計で少なくとも 500 データ ポイントになります。 また、これは、グループ内の各サンプルから複数のデータ ポイントを考慮するために混合効果モデルを実行する必要があることを意味するのではないかとも疑問に思っていました。 それとも単純な線形回帰を実行できますか? ありがとう！
