Какой статистический метод применить? Опции

[плав]

Непараметрику тоже не глупые люди разработали, причем давным - давно, и рост популярности этого вида анализа, по вашей терминологии ? мода на непараметрику, объясняется не тем, что критерий стьюдента перестал устраивать, а тем, что в реальных условиях нашей науки очень трудно добыть достаточный массив данных, чтобы ответить на вопрос «КАК они распределены, по какому закону». Эти вопросы интересны специалистам, но мало интересуют пользователя (врача- аспиранта), ученый совет или ВАК. Диссертант должен обосновать применение конкретного метода статистического анализа и правильно трактовать его результат. Вне дискуссии остался важный вопрос, имеющий отношение к обсуждаемой проблеме - репрезентативность выборки. Что говорят классики?

Популярность методов непараметрики связана не с их свойствами, а с наукообразностью, которую они придают отвратительно выполненным исследованиям. К концу 1980х годов критерий Стьюдента и хи2 усвоили все и читатя статьи/диссертации начинали интересоваться содержанием работы. Видя в тексте ссылки на методы Мэнна-Уитни, Тепстера, Тьюки и т.п. читатели думали "ой, какой умный диссертант, раз он знает все это, наверное, и остальные выводы у него правильные". Непараметрика используется в качестве дымовой завесы (разрабатывали-то умные люди, но вот пользователи их работы не читают, применимость метода не анализируют).
На самом деле тут предмета спора нет, поскольку если между группами будут различия, то в 90% случаев они будут вне зависимости от используемого метода. Реально проблемы возникают около барьера достоверности (0,05), но на самом деле р=0,049 и р=0,051 идеологически не различаются...
Тот факт, что в наших условиях "трудно добыть достаточный массив данных" является бедой российской медицинской науки и причиной ее отставания. Правда, замечу, что существует достаточно много научных групп, которые делают нормальные научные исследования, с нормальными выборками и нормальной обработкой.
Что же касается "обосновать применение конкретного метода статистического анализа и правильно трактовать его результат" то как раз тут-то проблемы и начинаются.
Если, например, мне кто-то говорит, что он решил использовать МУ, я могу спросить, а почему он решил отбросить значительный объем информации, содержащийся в его данных и относится к уровню, например, ХС как к ранговой шкале? Если в ответ прозвучит, что это потому, что он не знает, как ХС в реальности распределен, то вопрос будет, а как он тогда планировал научную работу. Почему взял столько людей? Если в ответ будет "ну, у нас было столько пациентов", то тогда человек делает исследовательский анализ данных, соответственно классическая статистика выводов у него не применима и выводы диссертации не обоснованы.
В реальности спор о преимуществе непараметрики перед параметрикой напоминает спор о преимуществе УЗИ перед МРТ, причем одна сторона утверждает, что надо применять УЗИ всегда, потому, что оно проще проводится...(а все попытки свести вопрос к обсуждению того, а что хотите смотреть методами? натыкается на указание, что "диссертанты разницу УЗИ и МРТ не понимают, но диссертацию в области диагностики сделать хотят". Посмотрел бы я на Совет, которому бы что-то подобное диссертант заявил. А вот со статистикой так можно!).

Что же касается репрезентативности, то тут вообще все просто. Все методы статистической обработки базируются на предположении о том, что изучаемые объекты являются случайной выборкой из гомогенной исходной популяции, т.е. репрезентативной выборкой. Нет репрезентативности, нет ничего - статистическая обработка не помогает при отсутствии репрезентативности.

[MuxaL]

1.Если вы решили, что будете использовать непараметрические методы анализа данных, то тогда приводите медиану и квартили для обеих групп, их можно дать в таблице, я ранее приводила данные для ваших двух групп. А описание простое. У половины больных первой группы значение показателя ниже 155,0 (медиана), у другой половины - выше 150,0. У 25% показатель менее 150,0, и у 25% более 160,0. А в интервале значений между верхним и нижним квартилями - половина больных. Почитайте Реброву, вам станет понятней и графическое представление.
1. Если все же вы будете использовать параметрику, то приводите среднее значение и разброс в виде среднеквадратического откллонения (SD) (рекомендации единых правил оформления биомедицинских журналов).

Спасибо за совет, тогда подскажите плиз еще вот тут (технический аспект):
При обсчете в SPSS появляюется табличка со средней и стандартными ошибками.

Там есть графы Mean (Средняя)=M; St.deviation и St. error mean - какую из них брать в виде m. правильно ли я использую стандартную ошибку средней ( St. error mean)?

Эскизы прикрепленных изображений

 

[DrgLena]

Вы должны были использовать дисперсионный анализ для повторных изменений, тогда можно оценить различия между группами на каждый срок наблюдения с учетом множественных сравнений, например используя критерий Ньюмана - Кейлса. В качестве меры разброса в таблице можно указать либо среднеквадратическое отклонение (SD), либо ошибку средней (SE). Графически удобно представлять 95% доверительный интервал.

[MuxaL]

Все, понял, спасибо!
А что, дисперсионный анализ необходим, когда у меня независимые выборки и на каждый срок эксперимента новое животное и исследоваание однократное? (т.е. 1 срок -1 измерение)

[DrgLena]

Нет, конечно. Я думала, что это динамика показателя у одних и тех же объектов.

[плав]

Все, понял, спасибо!
А что, дисперсионный анализ необходим, когда у меня независимые выборки и на каждый срок эксперимента новое животное и исследоваание однократное? (т.е. 1 срок -1 измерение)

Поскольку у Вас разные животные, то это будет дисперсионный анализ без повторных измерений, но двухфакторный (один фактор - время (т.е. сутки с момента начала эксперимента и группа (основнач/контроль)). Анализ должен быть именно дисперсионным, поскольку у Вас много групп и проблема множественных сравнений в данном случае будет очень серьезной (да и мощность повысится).