가설 검정 모순 결과 해석친애하는 JMP 커뮤니티 여러분,
나는 유의 수준 0.05에서 수행된 아래의 2가지 가설 시스템 사이의 모순을 알아내려고 노력하고 있습니다.
첫 번째 가설 시스템을 살펴보면
양면 테스트
Ho: Mu=0 , H1: Mu는 0이 아니며, P(값) = 0.0705
통계적 결론 : Ho 기각 실패, 따라서 Mu=0
그러나 세 번째 시스템을 살펴보면
하부 테스트
Ho: Mu >= 0 , H1:Mu < 0. P(값) = 0.0352
통계적 결론: H1을 수락하므로 Mu < 0입니다.
이 경우, 두 가설 체계 사이에는 모순되는 통계적 결론이 존재합니다.
양면 테스트에서는 Mu=0이라고 표시됩니다.
아래쪽 테스트에서는 Mu <0이라고 표시됩니다.
우리는 이것을 어떻게 해석합니까?
이 문제에 대해 조언해 주셔서 감사합니다.
브르,
크리스
고급 통계 모델링Re: 가설 검정 모순 결과 해석따라서 명확하게 설명하자면 1-0.9648=0.0352 및 0.0352*2=0.0704입니다(JMP의 값은 여기처럼 반올림되지 않습니다).
일방적 테스트
t보다 작을 확률은 얼마입니까? 아주 작습니다. (짙은 파란색 부분)
t보다 클 확률은 얼마입니까? 꽤 큽니다. (짙은 파란색 영역의 오른쪽에 있는 모든 영역)
양면 테스트
t가 95% 신뢰 구간 내에 있을 확률은 얼마입니까? 매우 작습니다(0.07)(그림의 공백).
완벽한 통계 표현이 아닌 일반적인 언어에서는 다음과 같습니다.
-1.2667이 0과 다르다고 말하면 제가 틀릴 확률은 얼마나 될까요? 문제>|t|
-1.2667이 0보다 크다고 말하면 제가 틀릴 확률은 얼마나 될까요? 아마도
-1.2667이 0보다 작다고 말하면 제가 틀릴 확률은 얼마나 될까요? 문제 <>
아마도 특정 통계에 더 정통한 사람이 여기에 null을 추가할 수 있을까요? (말장난)
Re: 가설 검정 모순 결과 해석당신은 근본적인 오해를 보여주고 있습니다. 이는 많은 사람들(때때로 저 자신도 포함)이 귀무가설 유의성 테스트(NHST)의 종료를 요구하게 만든 것입니다. 테스트를 이진 방식으로 해석해서는 안 됩니다. 귀하가 보고한 내용은 이진적 사고로 정확할 것입니다. 양측 검정에서는 귀무 가설이 기각되지 않았고 단측 검정에서는 기각되었습니다(여기서 p 값은 양측 검정에 대한 p 값의 정확히 절반입니다). 시험). 이진적 사고를 사용하면 양면 테스트에서는 null을 거부하지 않지만 단측 테스트에서는 null을 거부합니다. 그러나 두 테스트 모두에서 증거는 정확히 동일합니다. 변경된 것은 유형 1 오류를 범하려는 의지입니다.
결론을 내려야 할 것은 어느 방향에서든 최소한 0에서 1.2667 표준 오차만큼 멀리 떨어진 평균을 얻을 확률은 약 7%이고, 0에서 최소한 -1.2667만큼 멀리 떨어진 평균을 얻을 확률은 약 7%라는 것입니다. 부정적인 방향은 약 3.5%이다. .05를 바이너리 컷오프로 사용하려고 한다면 다른 결론에 도달하게 될 것입니다. 이것이 당신에게 혼란스러워 보일 수도 있지만, 이는 단지 p 값을 사용하는 잘못된 방법을 반영할 뿐입니다. null을 거부하지 못한 경우에는 null이 사실이라고 절대 말해서는 안 됩니다. 거부할 증거가 부족합니다. 단측 검정은 덜 까다롭기 때문에(이 경우 증거가 0보다 작다고 느낄 만큼 증거가 충분히 낮은지 확인에만 관심이 있기 때문에) 이진 컷오프 값 0.05를 사용하면 충분한 증거가 있습니다.
나는 그러한 바이너리 컷오프 p 값의 사용은 포기되어야 한다고 생각합니다. 나는 p 값이 유용하다고 생각하지만 그런 식은 아닙니다. 이는 특정 모델과 관련하여 데이터가 제공하는 증거의 강도를 나타내지만 p 값 자체로는 해당 증거가 해당 모델을 거부할 만큼 충분히 강력한지 여부를 알려주지 않습니다. 귀하의 경우 양측 검정과 단측 검정은 다른 모델이므로 동일한 이진 컷오프 값을 적용하면 증거의 충분성이 변경됩니다. 하지만 다음과 같이 덧붙이고 싶습니다: 해당 바이너리 컷오프 값은 어디에서 왔습니까? (불행히도 그 대답은 통계 입문 교과서에서 나온 것이고 그 유용성이 오래되었다는 것입니다.)
Re: 가설 검정 모순 결과 해석안녕하세요 @ChrisLooi : @dlehman1 댓글의 정신에 따르면 신뢰 구간이 이를 이해하는 더 나은 방법일 수 있습니다. 물론, p-값과 신뢰 구간은 동일한 원리에서 파생되며 둘 사이에는 일대일 대응이 있습니다. 하지만 그 점은 제쳐두겠습니다.
우리의 목적을 위해 알파=0.05라고 가정합시다.
1. Mu에 대한 95% 신뢰 구간 에 0이 포함되지 않은 경우 [H1: Mu가 0이 아님]을 선호하여 [Ho: Mu=0]을 거부합니다. 이 구간의 각 꼬리에는 alpha/2 =0.025가 있습니다.
2. Mu의 95% 상한이 0보다 작으면 [H1:Mu < 0]을 선호하여 [Ho: Mu >= 0]을 거부합니다. 이 상한은 위쪽 꼬리에 알파를 갖습니다.
1의 신뢰구간의 상한은 2의 상한보다 큽니다(1이 2보다 위쪽 꼬리의 확률이 낮기 때문). 따라서 양측 검정은 기각되지만 단측 검정은 기각되지 않을 수 있습니다.
