Minulla on melko yksinkertainen kysymys F-testin tulkinnasta Microsoft Excelissä.
Älkää sanoko, että nämä ovat F-testini tuloksia:
Mietin nyt, miten se voidaan tulkita, jotta voin valita oikean t-testin (olettaen yhtäläiset tai epätasaiset varianssit) tietojoukkoani varten.
Löysin oppaita, jotka kertovat minulle, jos F kriittinen> F Käytä kuitenkin epätasaisia variansseja. Jotkut oppaat kuitenkin neuvovat käyttämään vain p-arvoa, joten en ole varma, mitä parametreja kannattaa tarkastella tulosta tulkittaessa.
Vastaa
Useita asioita:
1) Kun tehdään hypoteesitestejä, päätös on sama riippumatta siitä, käytätkö p-arvoja vai kriittisiä arvoja (jos se ei ole ”, teit jotain väärin tai ainakin epäjohdonmukaista”.
2) Kun otoskoot ovat samat, t-testi (tai ANOVA) on vähemmän herkkä diffeille vaihtelut.
3) Sinun ei pitäisi tehdä muodollista varianssitestiä selvittääkseen oletetaanko samat varianssit; tuloksena olevalla keskiarvojen tasa-arvon testausmenetelmällä ei ole ominaisuuksia, joita haluat todennäköisesti. Jos et ole kohtuullisen tyytyväinen tasa-arvoiseen varianssiolettamaan, älä tee sitä (jos haluat, oletetaan, että varianssit ovat aina erilaisia, ellei sinulla ole mitään syytä ajatella, että ne ovat melko lähellä). (ja ANOVA) -menetelmät eivät ole kovin herkkiä pienille tai kohtalaisille väestövarianssieroille, joten saman (tai lähes saman) otoskokon kanssa sinun on oltava turvallinen aina, kun ”luotat siihen, etteivät he ole kovin” erilainen.
4) ”Tavallinen” varianssitason F-testi on erittäin herkkä epänormaalille . Jos sinun on testattava varianssia, tämän testin käyttäminen ei ole minun neuvoni.
Eli jos pystyt tekemään Welch-tyyppisen testin tai vastaavan, saatat olla parempi vain tehdä niin. Se ei koskaan maksa sinulle paljon, se voi säästää paljon. (Tässä tilanteessa olet todennäköisesti tarpeeksi turvallinen ilman sitä – mutta ei ole mitään erityistä syytä olla tekemättä sitä.)
Huomaan, että R käyttää oletuksena Welch-testiä, kun yrität tehdä kahden näytteen t-testin; se tekee vastaavan varianssin version vain, kun kerrot sen. Mielestäni tämä on oikea tapa tehdä se (tehdä oletusarvoisesti turvallisempi asia), pelkästään pelastaaksemme meidät itseltämme.
Kommentit
- Kiitos vastauksestasi, Glen_b. Kohdassa i.imgur.com/evP3NPh.jpg F-kriittinen arvo on kuitenkin suurempi kuin F-arvo, mikä kannustaisi minua käyttämään t-testiä olettaen epätasaista varianssit, mutta p-arvo on suurempi kuin 0,05, mikä saisi minut käyttämään t-testiä olettaen yhtä suuret varianssit. Siksi olen utelias tulkitsemaan tuloksia.
- Olet ' väärässä. F-arvon pienempi kuin kriittinen arvo ei ole ' t, mikä viittaa siihen, että varianssit ovat enemmän erilaisia, mitä olisi voinut tapahtua sattumalta. Sinulla on tämä täsmälleen taaksepäin (voitko osoittaa niin sanoviin oppaisiin?). Siksi edellinen kommenttini: " päätös on sama riippumatta siitä, käytätkö p-arvoja vai kriittisiä arvoja (jos se ei ole ' t, teit jotain väärin …) ". Suora merkitys on, että olit tehnyt jotain väärin. Mutta kun otetaan huomioon muut kommenttini, se on ' täysin kyseenalaista. Harjoitus on joka tapauksessa huono idea.
- Ei hätää, tässä on yksi lähteistä: chemistry.depaul.edu/wwolbach/390_490/Excel / …
- Ok, luulen, että katson nyt. Tämä F-kriittinen > F-asia toimii vain, kun p < 0,05, muuten voimme sanoa, että näytteillä on samat varianssit?
- Luulen, ettet ' ymmärrä sitä. Jos $ F < F _ {\ mathrm {crit}} $, sitten automaattisesti $ p > 0,05 $. Vastaavasti, jos $ F \ geq F _ {\ mathrm {crit}} $, niin automaattisesti $ p \ leq 0,05 $. Vaihtoehtoisesti, jos $ p \ leq 0.05 $, niin $ F \ geq F _ {\ mathrm {crit}} $ ja jos $ p > 0.05 $, niin $ F < F _ {\ mathrm {crit}} $. Etkä missään olosuhteissa voi sanoa, että kahdella populaatiolla , joista näytteet otettiin, on samat varianssit. Onko näytteillä itsellään yhtä suuria variansseja, voit kertoa vain lukuja tarkastelemalla – et tarvitse testiä siihen, mutta kun ne eroavat, ei ' älä kerro sinulle paljon kiinnostusta.
Vastaa
Jos haluat tietää enemmän F-testin merkityksestä ja laskemisesta, kun sitä käytetään kriteerinä varianssianalyysille (ANOVA) ja esimerkkejä Excelistä, suosittelen tätä neljän artikkelin sarjaa.Lopullisessa kaavassa voidaan ottaa huomioon alfan koko, F-suhteen osoittajan vapauden asteiden lukija ja nimittäjä sekä ei-keskiparametri.
- Tilastovoiman käsite – http://www.informit.com/articles/article.aspx?p=2036566
- T-testien tilastollinen voima – http://www.informit.com/articles/article.aspx?p=2036565
- F-jakauman epäkeskeisyysparametri – http://www.informit.com/articles/article.aspx?p=2036567
- F-testin tehon laskeminen – http://www.informit.com/articles/article.aspx?p=2036568
vastaus
Tärkeää: varmista, että muuttujan 1 varianssi on suurempi kuin muuttujan 2 varianssi. Jos ei, vaihda tiedot. Tämän seurauksena Excel laskee oikean F-arvon, joka on Varianssi 1: n suhde Varianssiin 2 (F = Var1 / Var 2).
Johtopäätös: jos F> F Kriittinen yksi pyrstö, hylkäämme nullhypoteesin, mikä tarkoittaa kahden populaation varianssit ovat epätasaiset.