t-критерий Стьюдента для зависимых групп |
Здравствуйте, гость ( Вход | Регистрация )
t-критерий Стьюдента для зависимых групп |
4.09.2012 - 10:44
Сообщение
#16
|
|
Группа: Пользователи Сообщений: 33 Регистрация: 29.08.2012 Пользователь №: 24130 |
Здесь на форуме уже была статья Коэна "The earth is round, p < .05" (Cohen), где высмеивался данный подход. И это проблема не только массы страничек в интернете, а проблема подхода к анализу статистических данных вот уже более 50 лет. Поскольку статистика предполагает вероятностный исход результатов, то очень много людей именно и стремятся к получению заветной "достоверности". Про величину эффекта редко вспоминают. В Американской ассоциации психологов (APA) было предложение даже "забанить" практически трактовать статистически значимые результаты, основываясь лишь на p-value. Такое намерение конечно придушили.. Про величину эффекта как-то забывают. А что такое величина эффекта конкретно? Как и кто определяет эту самую величину? |
|
4.09.2012 - 12:58
Сообщение
#17
|
|||
Группа: Пользователи Сообщений: 116 Регистрация: 20.02.2011 Пользователь №: 23251 |
Про величину эффекта как-то забывают. А что такое величина эффекта конкретно? Как и кто определяет эту самую величину? Если NHST (Null hypothesis significance testing) позволяет нам сказать например, что средние двух выборок статистически значимо отличаются (H0 = X1 - X2 = 0), то величина эффекта позволяет нам понять, насколько "сильно" ("много", "больше") они отличаются. Ведь при p < .05 они могут отличаться как на 0.000001 так и на значение, "далекое" от нуля. Существует приблизительно около 30 величин эффекта, все они в основном делятся на 2 группы: величина эффекта D Коэна (Cohen) и r Пирсона. Более подробно обо всем этом можно почитать в 2 замечательных книгах о величинах эффекта: 1) Effect size for research, a broad practical approach by Robert Grissom 2) Essential guide to effect size by Paul Ellis Обе книги можно словить в свободном доступе. Чтобы показать на пальцах, что может величина эффекта и не может NHST, посмотрите следующий пример, тем более я его завязал на любимом Вами критерии Стьюдента На рис. 1 выдержка из результатов анализа SPSS. Обратите внимание на колонку "разница средних" - Mean difference - в обеих случаях мы видим разницу в -2,20, но для первой таблицы разница в средних -2,20 является статистически значимой (p < .001), а для второго случая - стат. незначимой (p = .169, если предполагается равенство дисперсий). Как такое может быть? ответ находится в той же самой таблице ). На рис. 2 несколько другая ситуация. Разницы между средними нет (если говорить стат. языком - так говорить нельзя), как видно из колонки Mean difference - 0. Однако средние двух выборок статистически значимо отличаются друг от друга (p = .022). Как же это возможно? Ответ опять же есть в таблице. Человек, который владеет лишь NHST, делает корректные стат. выводы, однако эти выводы не имеют никакой практической значимости, поскольку не был проведен анализ величин эффекта. |
||
|
4.09.2012 - 21:07
Сообщение
#18
|
|||
Группа: Пользователи Сообщений: 33 Регистрация: 29.08.2012 Пользователь №: 24130 |
Если NHST (Null hypothesis significance testing) позволяет нам сказать например, что средние двух выборок статистически значимо отличаются (H0 = X1 - X2 = 0), то величина эффекта позволяет нам понять, насколько "сильно" ("много", "больше") они отличаются. Ведь при p < .05 они могут отличаться как на 0.000001 так и на значение, "далекое" от нуля. Существует приблизительно около 30 величин эффекта, все они в основном делятся на 2 группы: величина эффекта D Коэна (Cohen) и r Пирсона. Более подробно обо всем этом можно почитать в 2 замечательных книгах о величинах эффекта: 1) Effect size for research, a broad practical approach by Robert Grissom 2) Essential guide to effect size by Paul Ellis Обе книги можно словить в свободном доступе. Чтобы показать на пальцах, что может величина эффекта и не может NHST, посмотрите следующий пример, тем более я его завязал на любимом Вами критерии Стьюдента На рис. 1 выдержка из результатов анализа SPSS. Обратите внимание на колонку "разница средних" - Mean difference - в обеих случаях мы видим разницу в -2,20, но для первой таблицы разница в средних -2,20 является статистически значимой (p < .001), а для второго случая - стат. незначимой (p = .169, если предполагается равенство дисперсий). Как такое может быть? ответ находится в той же самой таблице ). На рис. 2 несколько другая ситуация. Разницы между средними нет (если говорить стат. языком - так говорить нельзя), как видно из колонки Mean difference - 0. Однако средние двух выборок статистически значимо отличаются друг от друга (p = .022). Как же это возможно? Ответ опять же есть в таблице. Человек, который владеет лишь NHST, делает корректные стат. выводы, однако эти выводы не имеют никакой практической значимости, поскольку не был проведен анализ величин эффекта. Книги хорошие, только хрен их скачаешь. 30 способов-это вы загнули. |
||
|
24.03.2014 - 15:34
Сообщение
#19
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
У меня также возник вопрос по Т-критерию
вот на этой картинке видно, что тут есть различия между группами, однако, т-критерий = -2,06 Вспоминая Гланца, он говорил, что значения Т-критерия лежащие в диапазоне от -2,1 и 2,1 это критические значения, т.е. различия не достоверны. Но почему у меня -2,06 ,которое лежит в этом диапазоне оказалось достоверным, тут уровень написан 0,05 и зачем нужен p-уровень дисперсий, который равен=0,67 |
|
24.03.2014 - 15:51
Сообщение
#20
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
У меня также возник вопрос по Т-критерию вот на этой картинке видно, что тут есть различия между группами, однако, т-критерий = -2,06 Вспоминая Гланца, он говорил, что значения Т-критерия лежащие в диапазоне от -2,1 и 2,1 это критические значения, т.е. различия не достоверны. Но почему у меня -2,06 ,которое лежит в этом диапазоне оказалось достоверным, тут уровень написан 0,05 и зачем нужен p-уровень дисперсий, который равен=0,67 А что тут непонятного? Квантиль распределения Стьюдента при а=,05 и df=66 составляет +/- 1,996564. При этом 2.06>1.996564, стало быть мы попадаем в область отвержения нулевой гипотезы. Безотносительно к тому, что вам сообщил Гланц. А статистическая неразличимость дисперсий - ключевое условие применимости критерия Стьюдента. При этом число -2,06 не может быть "достоверным". Статистически значимыми бывают различия, которые вы пытаетесь уловить статистическим критерием. Привыкайте к корректной терминологии. Это способствует взаимопониманию. Вот и все. Коротко и ясно. Сообщение отредактировал 100$ - 24.03.2014 - 15:56 |
|
25.03.2014 - 17:30
Сообщение
#21
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
А я вас понял, т.е. это была проверка на гомогенность дисперсий, как в анове по Ливену?)
А что нам говорит t-value, если оно с минусом или с плюсом? Ну, и косвенный вопрос: Есть выборки зависимые и независимые и критерии тоже самое . почему важно так разделять? Критерии для завис. и независ выборок дадут разные средние значения что ли? |
|
25.03.2014 - 19:59
Сообщение
#22
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
Цитата А я вас понял, т.е. это была проверка на гомогенность дисперсий, как в анове по Ливену?) Да. Цитата А что нам говорит t-value, если оно с минусом или с плюсом? Распределение Стьюдента - штука симметричная, соответственно область отвержения нулевой гипотезы (н-р, 5% площади под кривой плотности распределения) можно разделить на две части: 2,5% слева от нуля и столько же справа. Отсюда и два значения квантили +/- 1,99656. Сравнивать можно по модулю. Цитата Ну, и косвенный вопрос: Есть выборки зависимые и независимые и критерии тоже самое . почему важно так разделять? Критерии для завис. и независ выборок дадут разные средние значения что ли? Разная вероятностно- статистическая модель порождения данных. |
|
25.03.2014 - 20:09
Сообщение
#23
|
|
Группа: Пользователи Сообщений: 125 Регистрация: 2.04.2012 Пользователь №: 23616 |
Код Распределение Стьюдента - штука симметричная, соответственно область отвержения нулевой гипотезы (н-р, 5% площади под кривой плотности распределения) можно разделить на две части: 2,5% слева от нуля и столько же справа. Отсюда и два значения квантили +/- 1,99656. Сравнивать можно по модулю. Извините меня за мой кривой пэинт, но графически это выглядит так? |
|
25.03.2014 - 20:32
Сообщение
#24
|
|
Группа: Пользователи Сообщений: 902 Регистрация: 23.08.2010 Пользователь №: 22694 |
Код Распределение Стьюдента - штука симметричная, соответственно область отвержения нулевой гипотезы (н-р, 5% площади под кривой плотности распределения) можно разделить на две части: 2,5% слева от нуля и столько же справа. Отсюда и два значения квантили +/- 1,99656. Сравнивать можно по модулю. Извините меня за мой кривой пэинт, но графически это выглядит так? Да. Как живое. Кстати, painting - это живопись (картина), а у вас drawing - рисунок. Сообщение отредактировал 100$ - 25.03.2014 - 22:52 |
|