Множественные сравнения, Помощь по методам сравнения. Опции

[Vladislav]

Доброго времени суток! Очень нужна Ваша помощь по множественным сравнениям, но вопрос объёмный, так что думаю следует разбить на несколько подтем.
Суть такова. В двух несвязанных выборках ( животные из природных популяций) оценивается пул свободных аминокислот (20 протеиногенных и их производные, всего 26 показателей получается). Распределение в группах ненормальное. При сравнении двух групп обычно использую критерий Манна-Уитни. Итак:

1) Если две группы сравниваются по 26 показателям (причём эти показатели могут быть связаны - как в случае аминокислот) - не присутствует ли здесь эффект множественных сравнений. Соответственно, если отсутствует, то как я понимаю могу и дальше две группы сравнивать с помощью Манна-Уитни, а если присутствует - что делать тогда???
2) Если сравниваются три группы, то применяю критерий Краскелла-Уоллеса, затем по Гланцу для попарного сравнения критерий Ньюмена-Кейлся (одинаковые по размеру выборки) или Данна (выборки отличаются по размеру). Вопрос: где в пакетах Statistica найти эти критерии для апостериорных сравнений???
Заранее благодарю за помощь

[Vladislav]

Спасибо большое за разъяснение) А не могли бы Вы пояснить что лучше сделать в этом случае? Или что почитать для понимания. Просто мне очень важно проанализировать изменения в эксперименте...

[p2004r]

Спасибо большое за разъяснение) А не могли бы Вы пояснить что лучше сделать в этом случае? Или что почитать для понимания. Просто мне очень важно проанализировать изменения в эксперименте...

Мне приходят в голову два варианта:

1) Модель в виде логистической регрессии, которая показывает насколько группы различимы и за счет чего различимы. Ну и исследования этой модели на предмет оптимального состава предикторов.

Поскольку 26 показателей сразу как то может оказаться слишком много, то возможен этап отбора существенных для модели предикторов. (На форуме я приводил отбор предикторов в модель с помощью library(Boruta) из R)

В принципе вот целый список расширений которые пригодны для селекции перспективных предикторов.

- randomForest
- party
- Boruta
- [[http://cran.r-project.org/web/packages/penalizedSVM/index.html][penalizedSVM]]
- [[http://cran.r-project.org/web/packages/FSelector/index.html][FSelector (Weka)]]
- [[http://cran.r-project.org/web/packages/CORElearn/index.html][CORElearn]]
- [[http://cran.r-project.org/web/packages/ClustOfVar/index.html][ClustOfVar]]

2) Просто построить бутстрепом доверительный интервал для нужной характеристики