Käytän Fisherin yhdistettyä testiä sulauttamaan useita erilaisia riippumattomia testejä. Minulla on joissakin tapauksissa ongelmia tulosten ymmärtämisessä.
Esimerkki: Sanotaan, että suoritan kaksi erilaista testiä, molemmilla hypoteesilla, että mu on pienempi kuin 0. Sanotaan, että n on identtinen ja kahdella näytteellä on sama laskettu varianssi. Oletetaan kuitenkin, että yksi testi antoi keskiarvon, joka on 1,5 dollaria ja toinen on -1,5 dollaria. Saan kaksi täydentävää p-venttiiliä (esim. 0,995 $ $ & 0,005 $). On mielenkiintoista, että näiden kahden yhdistäminen tuottaa merkittävän $ p $ -arvon Fisher-testissä: $ p = 0,0175 $.
Tämä on outoa, koska olisin voinut valita täsmälleen päinvastaisen testin $ (\ mu > 0) $ ja otantatulokset – ja saat silti $ p = 0,0175 $. Näyttää siltä, että Fisherin testi ei ota hypoteesin suuntaa huomioon.
Voiko kukaan selittää tämän?
Kiitos
Kommentit
- Jos tulkitsen tämän kysymyksen oikein, Rice-keskustelu Yhdistetty yhdistetty P-arvon testi ja perhe Komponenttitestien laaja merkitys (Biometrics 1990) selittää tämän ongelman: katso s. 304. Paperi tarjoaa ratkaisun.
- Fisherin käyttäminen ' n yhdistetty todennäköisyystesti yhdistetty p: n arvo 0,995: lle ja 0,005: lle on 0,03. Ei se, että se muuttaisi tulkintaa (hymy), mutta mietin, mistä 0.0175 tuli. samaa mieltä – olen noin 0,03136
Vastaa
Fisher-yhdistelmätesti on tarkoitettu yhdistämään erillisistä tiedoista riippumattomilla tietojoukoilla tehdyt testit virran saamiseksi, kun yksittäisillä testeillä ei ehkä ole riittävästi tehoa dea on, että jos kaikki $ k $ -hypoteesit ovat oikein, $ p $ -arvo on tasainen jaettu $ [0,1] $ toisistaan riippumatta. Tämä tarkoittaa, että $ – 2 ∑ \ log (p_i) $ tulee olemaan $ \ chi ^ 2 $ kanssa $ 2k $ vapausastetta. Tämän yhdistetyn nollahypoteesin hylkääminen johtaa johtopäätökseen, että ainakin yksi nollahypoteeseista on väärä. Sitä teet käyttäessäsi tätä menettelyä.
Kommentit
- Tämä ei tunnu käsittelevän kysymyksen todellista ongelmaa: koska nämä kaksi p-arvoa ovat symmetrisesti vastakkaisia, ja siksi (ainakin joidenkin intuitioiden mukaan) niiden pitäisi " peruuttaa, " miten Fisher ' -menetelmä tuottaa " merkittävän " tulos – ja mitä johtopäätöksiä se tukee?
- Sen pitäisi olla $ 2k $ df.
- +1 Tämän yhdistetyn nollahypoteesin hylkääminen johtaa johtopäätökseen, että ainakin yksi nollahypoteeseista on väärä.
- Luulen, että OP & hänen kommentit ovat väärinkäsityksiä yhdistettyjen nollahypoteesien hylkäämisen merkityksestä. eric_kernfield korostaa tätä toistamalla vastauksessani sanomani.
- @Michael, epäilen, että ymmärsin väärin jotakin niin alkeellista kuin mitä yhdistettyjen hypoteesien hylkääminen tarkoittaa. Vastauksestasi puuttuu selitys OP: n ja kommenttini esiin tuomalle näennäiselle paradoksille. Yksi paikka, josta voimme etsiä selitystä, on huomata, että yhdessä tapauksessa tiedot olivat yhdenmukaisia nollan kanssa ja toisessa tapauksessa ne olivat huomattavasti epäjohdonmukaisia. Yhdistetyllä tietojoukolla on siten edelleen jonkin verran epäjohdonmukaisuutta nollan kanssa, minkä vuoksi Fisherin p-arvo on pieni – mutta ei niin pieni. Tämä ansaitsee pikemminkin ajattelua ja tutkimista kuin pyrkimysten heittämistä.
Vastaa
$ p $ voidaan yhdistää usealla tavalla -arvoilla ja joillakin heistä on tämä ominaisuus ja joillakin ei. Tämä johtuu osittain siitä, että ongelmaa ei ole määritelty hyvin. on tehty laaja simulaatiotutkimus monista tunnetuimmista menetelmistä. Tärkeintä on, että jos haluat peruutusomaisuuden, voit saada sen, mutta sinun ei tarvitse.