엑셀

여러 가지 :

1) 가설 테스트를 수행 할 때 p- 값을 사용하든 임계 값을 사용하든 상관없이 결정 은 동일합니다. 그렇지 않습니다. 뭔가 잘못했거나 적어도 일관성이 없습니다.

2) 표본 크기가 같으면 t- 검정 (또는 ANOVA)이 차이에 덜 민감합니다. 분산의 rences.

3) 동일한 분산을 가정할지 여부를 결정하기 위해 공식적인 분산 동등성 테스트를 수행해서는 안됩니다. 평균의 동등성을 테스트하기위한 결과 절차에는 “당신이 원하는 속성이 없습니다”. 등분 산 가정에 대해 합리적으로 편하지 않다면 그렇게하지 마십시오 (원하는 경우 분산이 상당히 가까울 것이라고 생각할 이유가없는 한 분산이 항상 다르다고 가정). t- 검정 (및 ANOVA) 절차는 모집단 분산의 중등도 차이에 “그렇게”민감하지 않습니다. 따라서 표본 크기가 같거나 거의 같으면 그다지 높지 않다고 확신 할 때마다 안전해야합니다.

4) 등분 산에 대한 “일반적인”F- 검정은 비정규성에 매우 민감합니다 . 균등 분산을 테스트해야한다면이 테스트를 사용하는 것이 “내 조언이 아닙니다.

즉, Welch 유형 테스트 등을 수행 할 수 있다면 더 나을 수 있습니다. 그렇게하기 위해서입니다. 비용이 많이 들지 않으며 많은 비용을 절약 할 수 있습니다. (이 경우에 당신의 특정한 상황에서, 당신은 그것 없이는 충분히 안전 할 것입니다. 그러나 그것을하지 않을 특별한 이유는 없습니다.)

나는 R이 기본적으로 Welch 테스트를 사용한다는 것을 주목할 것입니다. 2- 표본 t- 검정을 시도합니다. 당신이 말할 때 등분 산 버전 만 수행합니다. 우리를 우리 자신으로부터 구하기 위해서만 이것이 기본적으로 더 안전한 일을하는 올바른 방법이라고 생각합니다.

댓글

• 응답 해 주셔서 감사합니다, Glen_b. 그러나 i.imgur.com/evP3NPh.jpg 에서 F 임계 값은 F 값보다 큽니다. 그러나 p 값은 0,05보다 크므로 동일한 분산을 가정하는 t- 검정을 사용하라는 메시지가 표시됩니다. 이것이 제가 결과를 해석하는 방법이 궁금한 이유입니다.
• 당신은 ' 오해입니다. F가 임계 값보다 작다고해서 ' 분산이 우연히 발생할 수있는 차이가 더 많다는 의미는 아닙니다. 당신은 그것을 정확히 뒤로 가지고 있습니다 (그렇게 말하는 가이드를 가리킬 수 있습니까?). 따라서 이전 의견 : " p- 값을 사용하든 임계 값을 사용하든 결정은 동일합니다 (' t, 당신은 뭔가 잘못했습니다 …) ". 직접적인 의미는 당신이 뭔가 잘못했다는 것입니다. 하지만 내 다른 의견을 고려할 때 ' 완전히 논쟁의 여지가 있습니다. 이 연습은 어떤 경우에도 좋지 않습니다.
• 문제 없습니다. 다음 소스 중 하나입니다. chemistry.depaul.edu/wwolbach/390_490/Excel / …
• 알겠습니다. 지금 당장 서있는 것 같습니다. 이 F 임계 > F는 p < 0.05 일 때만 작동합니다. 그렇지 않으면 표본의 분산이 동일하다고 말할 수 있습니까?
• ' 이해하지 못하는 것 같습니다. $ F < F _ {\ mathrm {crit}} $이면 자동으로 $ p > 0.05 $가됩니다. 따라서 $ F \ geq F _ {\ mathrm {crit}} $이면 자동으로 $ p \ leq 0.05 $가됩니다. 또는 $ p \ leq 0.05 $이면 $ F \ geq F _ {\ mathrm {crit}} $, $ p > 0.05 $이면 $ F < F _ {\ mathrm {crit}} $. 또한 어떤 상황에서도 표본을 추출한 두 모집단 의 분산이 동일하다고 말할 수 없습니다. 샘플 자체의 분산이 동일한 지 여부는 숫자 만 보면 알 수 있습니다. ' 그에 대한 테스트는 필요하지 않지만 차이가있을 때는 그렇지 않습니다. ' 그다지 흥미 롭다고 말하지 마십시오.

자세한 내용을 알고 싶은 경우 Excel의 예제와 함께 분산 분석 (ANOVA)의 기준으로 사용될 때 F 검정의 의미와 계산에 대해이 시리즈의 4 개 기사를 추천합니다.최종 공식은 알파의 크기, F 비율의 분자와 분모에 대한 자유도 수, 비중 심성 매개 변수를 고려할 수 있습니다.

1. 통계 력의 개념 – http://www.informit.com/articles/article.aspx?p=2036566
2. t- 검정의 통계적 힘- http://www.informit.com/articles/article.aspx?p=2036565
3. F 분포의 비중 심성 매개 변수- http://www.informit.com/articles/article.aspx?p=2036567
4. F 테스트의 검정력 계산- http://www.informit.com/articles/article.aspx?p=2036568

중요 : 변수 1의 분산이 변수 2의 분산보다 높지 않은 경우 데이터를 교체합니다. 결과적으로 Excel은 분산 1과 분산 2의 비율 인 올바른 F 값을 계산합니다 (F = Var1 / Var 2).

결론 : F> F Critical one-tail이면 귀무 가설을 기각합니다. 두 모집단의 분산이 동일하지 않습니다.