タグ付けされた質問 「post-hoc」

ANOVAが重要な場合にのみ、ANOVA後の事後テストを使用できるとよく耳にします。 しかし、事後テストでは値を調整して、グローバルタイプIエラー率を5％に保ちます。ppp それでは、なぜ最初にグローバルテストが必要なのでしょうか？ グローバルなテストが必要ない場合、「事後」という用語は正しいですか？ または、複数の種類の事後テストがあります。一部は重要なグローバルテスト結果を想定しており、その他はその前提なしです。

54 anova  statistical-significance  post-hoc 

従属変数のみ、従属変数と独立変数の両方、または独立変数のみが対数変換されるかどうかの解釈に違いがあるのか​​と思います。 の場合を考えます log(DV) = Intercept + B1*IV + Error IVはパーセントの増加として解釈できますが、 log(DV) = Intercept + B1*log(IV) + Error または私が持っているとき DV = Intercept + B1*log(IV) + Error ？

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

私の統計プログラムは、Benjamini＆Hochberg（1995）とBenjamini＆Yekutieli（2001）の偽発見率（FDR）手順の両方を実装しています。私は後の論文を読むために最善を尽くしましたが、それは数学的にかなり濃厚であり、手順の違いを理解していると確信できません。統計プログラムの基礎となるコードから、それらは実際に異なり、後者にはFDRに関して言及した量qが含まれていますが、把握していません。 Benjamini＆Yekutieli（2001）手順よりもBenjamini＆Hochberg（1995）手順を好む理由はありますか？それらには異なる仮定がありますか？これらのアプローチの実際の違いは何ですか？ ベンジャミニ、Y。、およびホッホバーグ、Y。（1995）。誤検出率の制御：複数のテストに対する実用的で強力なアプローチ。Journal of the Royal Statistical SocietyシリーズB、57、289–300。 Benjamini、Y。、およびYekutieli、D。（2001）。依存関係にある複数のテストでの誤検出率の制御。統計年報29、1165–1188。 以下のコメントで参照されている1999年の論文：Yekutieli、D.＆Benjamini、Y.（1999）。相関テスト統計の複数のテスト手順を制御するリサンプリングベースの誤検出率。Journal of Statistical Planning and Inference、82（1）、171-196。

34 post-hoc  false-discovery-rate 

一方向（グループ、または「レベル」）ANOVAは、ペアワイズt検定のいずれも実行しない場合に有意差を報告することは可能ですか？N （N − 1 ）/ 2N> 2N>2N>2N（N− 1 ）/ 2N(N−1)/2N(N-1)/2 で、この答え @whuberは書きました： グローバルANOVA F検定は、平均のペアのいずれの個々の[未調整ペアワイズ] t検定も有意な結果をもたらさない場合でも、平均の差を検出できることはよく知られています。 どうやらそれは可能ですが、方法はわかりません。それはいつ起こり、そのようなケースの背後にある直感は何でしょうか？たぶん誰かがそのような状況の簡単なおもちゃの例を提供できますか？ さらなるコメント： 明らかに反対の可能性があります：全体的なANOVAは有意ではない場合がありますが、ペアワイズt検定のいくつかは誤って有意差を報告します（つまり、それらは偽陽性です）。 私の質問は、多重比較t検定の非調整標準に関するものです。調整されたテスト（たとえば、TukeyのHSD手順）が使用される場合、全体のANOVAが重要であっても、それらのどれも重要でないことが判明する可能性があります。ここでは、いくつかの質問で説明します。たとえば、全体的な有意なANOVAを得ることができますが、Tukeyの手順との有意なペアワイズ差はありません。および有意なANOVA相互作用、ただし有意でないペアワイズ比較。 更新。私の質問はもともと、通常の2標本ペアワイズt検定に言及していました。ただし、@ whuberがコメントで指摘したように、ANOVAのコンテキストでは、t検定は通常、グループ内分散のANOVA推定値を使用して、すべてのグループにプールされた事後の対比として理解されます（2 -サンプルt検定）。したがって、実際には私の質問には2つの異なるバージョンがあり、両方の答えは肯定的であることがわかりました。下記参照。

29 statistical-significance  anova  t-test  post-hoc 

次のように、Rで反復測定ANOVAを実行しました。 aov_velocity = aov(Velocity ~ Material + Error(Subject/(Material)), data=scrd) summary(aov_velocity) Rのどの構文を使用して、反復測定によるANOVAの後に事後検定を実行できますか？ ボンフェローニ補正によるテューキーのテストは適切でしょうか？もしそうなら、これをRでどのように行うことができますか？

24 r  anova  repeated-measures  post-hoc  contrasts 

2つのグループで実験（小さなサンプルサイズ（通常、処理グループごとのサンプルサイズは約7〜8））を実行するとき、t検定を使用して差をテストします。ただし、ANOVA（明らかに3つ以上のグループ）を実行するときは、ボンフェローニ（LSD /ペアワイズ比較の数）またはテューキーの線に沿って何かを使用します。フィッシャーの最小有意差（LSD）を使用します。 さて、LSDはペアワイズt検定に似ています（そうですか？）ので、それが考慮されていない唯一のことは、多重比較を行っていることです。ANOVA自体が重要な場合、たとえば6つのグループを扱うとき、それはどれほど重要ですか？ または言い換えれば、フィッシャーのLSDを使用する科学的/統計的な理由はありますか？

22 anova  multiple-comparisons  post-hoc  bonferroni  fishers-lsd 

被験者内テストのポストホックを実施するための好ましい方法は何ですか？テューキーのHSDが採用されている出版物を見たことがありますが、ケッペルとマクスウェルとデラニーのレビューは、これらの設計の球形性の違反がエラー用語を不正確にし、このアプローチに問題があることを示唆しています。Maxwell＆Delaneyは彼らの本の問題へのアプローチを提供しますが、どの統計パッケージでもそのようにそれを見たことがありません。彼らが提供するアプローチは適切ですか？複数のペアのサンプルt検定でのBonferroniまたはSidakの補正は妥当ですか？受け入れられる答えはezANOVA、ezパッケージ内の関数によって生成される単純、多方向、および混合設計で事後的に実行できる一般的なRコードと、レビューアーに合格する可能性が高い適切な引用を提供します。

20 r  repeated-measures  multiple-comparisons  post-hoc  sphericity 

グループ間ANOVAの状況を見ると、実際にそのようなANOVAテストを実際に実行し、2番目に事後（Bonferroni、Shidákなど）または計画比較テストを実行すると何が得られますか？ANOVAの手順を完全にスキップしてみませんか？ このような状況で、グループ間ANOVAの利点の1つは、TukeyのHSDを事後テストとして使用できることです。後者では、関連する標準誤差を計算するために、ANOVAテーブルのグループ内平均平方が必要です。ただし、対応のないt検定に対するBonferroniとŠidákの調整には、ANOVA入力は必要ありません。 グループ内の分散分析の状況についても同じ質問を提起したいと思います。そのような場合、テューキーのHSDテストは、この質問をさらに緊急にする関連する考慮事項ではありません。

19 hypothesis-testing  anova  multiple-comparisons  post-hoc 

非ガウス分布変数がいくつかあり、5つの異なるグループのこの変数の値に大きな違いがあるかどうかを確認する必要があります。 Kruskal-Wallis一元配置分散分析（重要な結果になった）を実行した後、どのグループが大幅に異なるかを確認する必要がありました。グループは一種のソートされているため（最初のグループの変数の値は、3番目のグループの変数の値よりも低いと想定される2番目のグループの変数の値よりも低いと想定されます。 on）私は4つのテストのみを実行しました： Group 1 vs Group 2 Group 2 vs Group 3 Group 3 vs Group 4 Group 4 vs Group 5 この分析は、2つの異なる方法で実行しました。私はダンの多重比較テストを使用することから始めましたが、重要なものは何もありませんでした。一方、Mann-Whitneyテストを使用し、Bonferroniを使用したテストの数（4）を修正すると、3つのテストが重要になります。 どういう意味ですか？どの結果を信頼すべきですか？

18 hypothesis-testing  post-hoc  wilcoxon-mann-whitney  kruskal-wallis  dunn-test 

RとANOVAを実行しましたが、大きな違いがありました。しかし、Tukeyの手順を使用して、どのペアが大幅に異なるかをチェックするとき、それらのいずれも取得しませんでした。これはどのように可能ですか？ コードは次のとおりです。 fit5_snow<- lm(Response ~ Stimulus, data=audio_snow) anova(fit5_snow) > anova(fit5_snow) Analysis of Variance Table Response: Response Df Sum Sq Mean Sq F value Pr(>F) Stimulus 5 73.79 14.7578 2.6308 0.02929 * Residuals 84 471.20 5.6095 --- Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 …

18 anova  post-hoc  tukey-hsd 

SPSS（第3版）を使用したフィールドの統計情報の読み取りANOVAでの事後検定について少し感銘を受けました。タイプIエラー率を制御したい人のために、彼はBonferroniまたはTukeyを提案し、述べています（p。374）。 ボンフェローニは、比較の数が少ない場合により多くの力を持ちますが、テューキーは多数の平均をテストする場合により強力です。 少数の手段と多数の手段の間にどこに線を引きますか？

18 anova  multiple-comparisons  post-hoc  bonferroni  tukey-hsd 

これは私のデータフレームです。 Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15") Value <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893) data <- data.frame(Group, Subject, Value) 次に、線形混合効果モデルを実行して、「値」に関する3つのグループの違いを比較します。「対象」はランダム係数です。 library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), data = data) summary(model) 結果は次のとおりです。 Fixed effects: Estimate Std. Error df t value Pr(>|t|) (Intercept) 12.48771 0.42892 31.54000 29.114 <2e-16 *** GroupG2 -1.12666 0.46702 28.00000 -2.412 …

18 r  lme4-nlme  post-hoc 

Tukeyの事後結果を書き込む適切な方法は何ですか？ 結果が異なるいくつかの例がありますか？ 北、南、東、西があるとします。 North N=50 Mean=2.45 SD=3.9 std error=.577 LB=1.29 UB=3.62 South N=40 Mean=2.54 SD=3.8 std error=.576 LB=1.29 UB=3.63 East N=55 Mean=3.45 SD=3.7 std error=.575 LB=1.29 UB=3.64 West N=45 Mean=3.54 SD=3.6 std error=.574 LB=1.29 UB=3.65 北は、東（sig = .009）と西（sig = .040）では統計的に有意ですが、南（sig = .450）では有意ではありません。東は、南（.049）で統計的に有意です。

17 post-hoc  tukey-hsd 

私は3つのカテゴリでカイ二乗適合度（GOF）テストを実施しており、具体的には各カテゴリの母集団の割合が等しい（つまり、割合が各グループの1/3である）ヌルをテストします。 観測データ グループ1 グループ2 グループ3 合計 686928 1012 2626 したがって、このGOFテストの場合、予想されるカウントは2626（1/3）= 875.333であり、テストでは<0.0001の非常に有意なp値が得られます。 現在、グループ1が2および3と大きく異なることは明らかであり、2と3が大きく異なることはほとんどありません。ただし、これらすべてを正式にテストし、各ケースにp値を提供できるようにしたい場合、適切な方法は何でしょうか？ 私はオンラインで検索しましたが、意見が異なるようですが、正式な文書はありません。これに対処するテキストまたは査読済みの論文があるかどうか疑問に思っています。 どのような私には合理的と思われることは行うには、重要な全体的なテストの光の中で、あるzの可能性を修正して、割合の各ペアの差を-testsを値（多分ボンフェローニ、例えば）。αα\alpha

16 hypothesis-testing  chi-squared  goodness-of-fit  post-hoc 

私の統計学の教授はそう言っています、私が見ているすべての本はそれを述べています：事後検定は非科学的です。最初に理論から仮説を導き出し、次にデータを収集して分析する必要があります。 しかし、私は本当に問題が何であるか理解していません。 さまざまな車の色の売上高を見て、多くのさまざまな色の車が販売されていることから、路上で最も大きな車のグループが白であるという仮説を立てるとします。それで私はある日通りに座って、通り過ぎるすべての車のすべての色に注意します。その後、いくつかのテストを行い、何でも見つけます。 さて、ある日通りに退屈して座っていて、通り過ぎたすべての車のすべての色に気付いたとします。私はグラフが大好きなので、きれいなヒストグラムをプロットすると、白い車が最大のグループを形成していることがわかります。ですから、路上のほとんどの車は白く、いくつかのテストを行っていると思います。 事後検定の結果または結果の解釈は、理論駆動型*仮説検定の結果とどのように、またなぜ異なるのですか？ *とにかく、事後テストの反対の名前は何ですか？ 宇宙（地球が太陽の周りを移動する）についての私たちの知識のほとんどは、観測から事後に推測されることを付け加えたいと思います。 物理学では、過去千年にわたって太陽が東に昇ってきたのは偶然ではないと思い込んでも大丈夫だと思います。

15 post-hoc