Fisher kombinált tesztjének megértése több különálló független teszt összeolvadására szolgál. Bizonyos esetekben problémám van az eredmények megértésével.
Példa: Tegyük fel, hogy két különböző tesztet futtatok, mindkettővel azzal a hipotézissel, hogy a mu kisebb, mint 0. A két mintának ugyanaz a kiszámított szórása. Tegyük fel azonban, hogy az egyik teszt átlagosan 1,5 dollár, a másik pedig 1,5 dollár átlagot eredményezett. Két kiegészítő p-val-t kapok (például 0,995 USD $ & 0,005 $). Érdekes, hogy a kettő kombinálása jelentős $ p $ -értéket eredményez a Fisher-tesztben: $ p = 0,0175 $.
Ez furcsa, mert pontosan ellentétes tesztet választhattam volna $ (\ mu > 0) $ és mintavételi eredmények – és még mindig $ p = 0,0175 $ -ot kapnak. Szinte olyan, mintha a Fisher-teszt nem veszi figyelembe a hipotézis irányát.
Valaki meg tudja magyarázni?
Köszönöm
Hozzászólások
- Ha ezt a kérdést helyesen értelmezem, a Rice-ben folytatott vita, A konszenzus kombinált P-érték teszt és a család A komponens tesztek jelentősége (Biometrics 1990) magyarázza ezt a problémát: lásd a 304. oldalt. A cikk megoldást kínál.
- A Fisher valójában s kombinált valószínűségi teszt a 0,995 és 0,005 együttes p értéke 0,03. Nem mintha megváltoztatná az értelmezést (mosoly), de kíváncsi vagyok, honnan jött a 0,0175.
- @AussieAndy Igen, én egyetértek – kb. 0,03136
Válasz
A Fisher kombinációs teszt célja különálló információk egyesítése független adathalmazokon végzett tesztek az energia megszerzése érdekében, amikor az egyes tesztek nem biztos, hogy elegendő energiával rendelkeznek de az, hogy ha a $ k $ nullhipotézisek helyesek, akkor a $ p $ -érték egyenletesen lesz elosztva a $ [0,1] $ -on egymástól függetlenül. Ez azt jelenti, hogy $ – 2 ∑ \ log (p_i) $ $ \ chi ^ 2 $ lesz $ 2k $ szabadságfok. E kombinált nullhipotézis elutasítása arra a következtetésre vezet, hogy a nullhipotézisek közül legalább az egyik hamis. Ezt teszi, amikor alkalmazza ezt az eljárást.
Megjegyzések
- Úgy tűnik, hogy ez nem foglalkozik a kérdés által felvetett valódi problémával: a két p-érték szimmetrikusan ellentétes, és ezért (legalábbis bizonyos intuíció szerint) " törölni kell, " hogy van az, hogy Fisher ' s módszer " jelentős " eredmény – és melyik következtetést támogatja ?? / i> a nullhipotézisek közül legalább egy hamis.
- Azt hiszem, az OP & abban az időben @whuber félreértik a kombinált nullhipotézisek elutasításának jelentését. Az eric_kernfield ezt hangsúlyozza azzal, hogy megismétli a válaszomban elmondottakat.
- @Michael, kétlem, hogy tévesen fogtam fel valami olyan elementáris dolgot, mint amit a kombinált hipotézisek elutasítása jelent. A válaszából hiányzik az OP és a megjegyzésemben felvetett látszólagos paradoxon magyarázata . Az egyik hely, ahol magyarázatot kérhetünk, az, hogy megjegyezzük, hogy az egyik esetben az adatok összhangban voltak a nullával, a másik esetben pedig észrevehetően következetlenek voltak. A kombinált adatkészlet így továbbra is mutat némi inkonzisztenciát a nullával, ezért lehet, hogy a Fisher p-értéke alacsony – de nem olyan alacsony. Ez inkább gondolkodást és tanulmányozást érdemel, mint vetélkedés leadása.
Válasz
A $ p $ kombinálásának számos módja van. -értékek, és néhányuknak ez a tulajdonsága van, másoknak nincs. Ennek oka részben az, hogy a probléma nincs pontosan meghatározva. átfogó szimulációs tanulmány készült a legismertebb módszerek közül. A lényeg az, hogy ha a lemondás tulajdonságát szeretné megkapni, megkapja, de nem kell.