सीधे पोस्ट-हॉक या नियोजित तुलना परीक्षणों में कूदने के बजाय एनोवा का उपयोग क्यों करें?


19

एक एनोवा समूह के बीच की स्थिति को देखते हुए, आप वास्तव में इस तरह के एनोवा टेस्ट को पहले करके क्या प्राप्त करते हैं, और दूसरा पोस्ट-हॉक (बोनफेरोनी, áidák, आदि) या नियोजित तुलना परीक्षणों का परीक्षण करते हैं? एनोवा कदम को पूरी तरह से क्यों नहीं छोड़ते?

मैं यह इकट्ठा करता हूं कि ऐसी स्थिति में, एनोवा के बीच के समूहों का एक लाभ टूक के एचएसडी को पोस्ट-हॉक टेस्ट के रूप में उपयोग करने में सक्षम होना है। उत्तरार्द्ध को अपनी संबंधित मानक त्रुटि की गणना करने के लिए एनोवा तालिका से भीतर-समूह का मतलब है। लेकिन, बिना टी-टेस्ट के बोनफेरोनी और theidák समायोजन को किसी एनोवा इनपुट की जरूरत नहीं है।

मैं समूह-समूह ANOVA स्थिति के बारे में एक ही सवाल उठाना चाहूंगा। मुझे पता है कि इस तरह के मामले में, Tukey का HSD परीक्षण एक प्रासंगिक विचार नहीं है, जो इस सवाल को और भी अधिक दबाने वाला है।


4
यह रुचि का भी हो सकता है।
Scortchi - को पुनः स्थापित मोनिका

जवाबों:


16

वास्तव में उस विशेष परिदृश्य में एक सर्वग्राही परीक्षण की कड़ाई से आवश्यकता नहीं होती है और बोनफेरोनी या बोनफेरोनी-होल्म जैसी कई इंजेक्शन प्रक्रियाएं एनोवा / माध्य तुलना सेटिंग्स तक सीमित नहीं होती हैं। उन्हें अक्सर पाठ्यपुस्तकों में पोस्ट-हॉक परीक्षणों के रूप में प्रस्तुत किया जाता है या सांख्यिकीय सॉफ़्टवेयर में एनोवा के साथ जुड़ा हुआ है, लेकिन यदि आप विषय पर कागजात (जैसे होल्म, 1979) देखते हैं, तो आप पाएंगे कि वे मूल रूप से बहुत व्यापक संदर्भ में चर्चा में थे और आप यदि आप चाहें तो निश्चित रूप से "एनोवा को छोड़ सकते हैं"।

एक कारण यह भी है कि लोग अभी भी एएनओएवाई चलाते हैं, बॉनफ़्रोनी समायोजन की तरह जोड़ीदार तुलना में कम शक्ति (कभी-कभी बहुत कम) होती है। टके एचएसडी और ऑम्निबस टेस्ट में उच्च शक्ति हो सकती है और भले ही जोड़ीदार तुलना कुछ भी प्रकट न करें, एनोवा एफ-टेस्ट पहले से ही एक परिणाम है। आप छोटे और संयोग से परिभाषित नमूने के साथ काम करते हैं और सिर्फ कुछ प्रकाशन योग्य के लिए देख रहे हैं पी , -value कई लोग हैं के रूप में, यह आकर्षक है, भले ही आप हमेशा साथ-साथ जोड़ो में तुलना क्या करने का इरादा बना देता है।

इसके अलावा, यदि आप वास्तव में किसी भी संभावित अंतर के बारे में परवाह करते हैं (जैसा कि विशिष्ट जोड़ीदार तुलना के विपरीत है या यह जानने का मतलब है कि अलग-अलग हैं), तो एनोवा सर्वग्राही परीक्षण वास्तव में वह परीक्षण है जो आप चाहते हैं। इसी तरह, मल्टी-वे एनोवा प्रक्रियाएं मुख्य रूप से मुख्य प्रभावों और इंटरैक्शन के परीक्षण प्रदान करती हैं जो जोड़ीदार तुलनाओं के एक समूह की तुलना में अधिक सीधे दिलचस्प हो सकती हैं (योजनाबद्ध विरोधाभास एक ही तरह के प्रश्नों को संबोधित कर सकते हैं लेकिन स्थापित करने के लिए अधिक जटिल हैं)। उदाहरण के लिए मनोविज्ञान में, सर्वग्राही परीक्षणों को अक्सर एक प्रयोग के मुख्य परिणामों के रूप में माना जाता है, जिसमें कई तुलनाओं को केवल सहायक माना जाता है।

अंत में, बहुत से लोग इस दिनचर्या (ANOVA द्वारा पश्चात परीक्षण के बाद) से खुश हैं और बस यह नहीं जानते हैं कि Bonferroni असमानताएं बहुत सामान्य परिणाम हैं जिनका ANOVA के साथ कोई लेना-देना नहीं है, कि आप अधिक ध्यान केंद्रित तुलनाएं भी चला सकते हैं या परीक्षण करने के बगल में बहुत सारी चीज़ें करें। यह निश्चित रूप से यह महसूस करना आसान नहीं है कि अगर आप लागू विषयों में सबसे लोकप्रिय "कुकबुक" में से कुछ से काम कर रहे हैं और यह कई सामान्य प्रथाओं की व्याख्या करता है (भले ही यह उन्हें काफी न्यायसंगत न लगे)।

होल्म, एस। (1979)। एक सरल क्रमिक रूप से कई परीक्षण प्रक्रिया को खारिज कर दिया। सांख्यिकी के स्कैंडिनेवियाई जर्नल, 6 (2), 65-70।


5
मैं एक सर्वव्यापी परीक्षण करने के लिए एक और कारण जोड़ूंगा: यदि जोड़ी-वार तुलनाओं की संख्या बड़ी है, तो यह एक सर्वग्राही परीक्षण करने के लिए काफी गणना और व्याख्या समय बचा सकता है ... एक तरह से यह "कैसे" है थोड़ा काम हम कर सकते हैं? " रणनीति। :)
एलेक्सिस
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.