Сравнение трёх групп с большой разницей средних Опции

[Vitek_22]

Товарищи, подсобите с анализом данных.
3 группы мышей: контроль, больные, леченные. Измерялось пройденное расстояние. Мыши с тяжёлыми двигательными нарушениями, поэтому по сравнению с контролем у них пройденное расстояние отличается на порядок. ANOVA и Tukey апостериорный показывают значимые отличия от контроля. но не между больными и леченными, хотя объективно между ними x2 разница. Интуиция подсказывает, что с такой разницей между средними сравнивать ANOVA некорректно. Но чем тогда и как это объяснить грамотно и какой критерий использовать? Если Стьюдента попарно использовать - выходит норм.

Прикрепленные файлы

 Data1.xlsx ( 9,66 килобайт ) Кол-во скачиваний: 473

 

[ИНО]

Не знаю, что там принято в доказательной медицине (я не медик) но в прочих науках при статанализе часто требуется прибегать к выбору методов, диктуемым данными, это современный прогрессивных подход. Не путать с дата дреджиногом, когда используют наобум все подряд, а потом выбирают только то, где результат понравился. Рассудим от противного: предположим у нас есть строгий протокол исследования в который в качестве одного из этапов камеральной обраюотке жестко фиксрован классический дисперсионный анализ. Потому что когда-то у кого-то в похожем исследовании он сработал на "отлично". Мы прилежно собираем экспериментальные данные, готовимся обрабатывать по прописи, и друг видим, что дисперсии разные, распределения ненормальны и т. п. И это не исследователь начудил, а природа! Что предлагаете: далее тупо следовать методичке, несмотря на несоблюдение допущений, или же спустить данные в унитаз, а самому сменить сферу трудоустройства? Действительно, в не столь отдаленном прошлом у отечественного исследователя был выбор только между этими двумя вариантами, поскольку в доступной ему литературе альтернативных моделей было негусто, да и без компьютера строить многие из них тяжко. Но все ж теперь 21-й век на дворе...

Большинство современных специалистов рекомендует анализировать различные диараммы остатков визуально, безо всяких тестов. Обусловлено это тем, что в случае малого объема выборки даже при сильном нарушении допущений, мощности тестов может не хватить, а в случае большого тесты покажут высокую значимость отклонений, даже если они на самом деле мизерны и существенно не влияют на выводы регрессионного анализа.