Сравнение трёх групп с большой разницей средних Опции

[ИНО]

Гетероскедастичность - неоднородность дисперсии. Ее проверяют перед применением регрессионного анализа.

Как ни странно, не перед, а после - по остаткам. И если таки да, то весь предшествующий анализ - в топку. Обычно алгоритм такой: 1) строим модель, 2) тестируем остатки в том чисел на гетероскедастичность (но не только), и 3) если все хорошо, тогда уже смотрим на коэффициенты и все с ними связанное. и пытаемся интерпретировать картину. Если же после шага 2 обнаруживаются явные нарушения допущений, то смысла в шаге 3 нет, надо возвращаться к шагу 1 и строить иную модель.

Кстати, не понимаю, зачем используют кальки с иностранных терминов, если есть понятные аналоги.

В данном случае все просто: словосочетание "однородность дисперсий" тупо длиннее. Я тоже противник коленопреклонства перед всем западным, но здесь замечу, что слово "дисперсия" - ничуть не более исконно русское, чем "гетероскедастичность". Вообще в русской статистике мало самобытных слов: кроме "однородности" и "согласия" ничего даже в голову не приходит.

Но дело не в этом, а в том, где взять информацию по данной теме.

По какой конкретно теме: проверке на гетероскедастичность или решению проблемы гетероскедастичности? Если первое, то литературы просто горы, вероятно, не меньше, чем по критерию Стьюдента, поскольку это такая же классическая процедура. Еще можете поискать по словосочетанию "диагностика модели". Если второе, то тут все несколько сложнее: есть множество альтернативных методов, и каждый кулик свое болото хвалит. Ничего, что признавалось бы здесь "золотым стандартом", вроде бы, пока нет.

[Игорь]

По какой конкретно теме: проверке на гетероскедастичность или решению проблемы гетероскедастичности? Если первое, то литературы просто горы, вероятно, не меньше, чем по критерию Стьюдента, поскольку это такая же классическая процедура.

Много литературы не нужно (источник назван в моем предыдущем сообщении). В первом приближении достаточно показателя Спирмена между выходом эксперимента и остатками.

Еще можете поискать по словосочетанию "диагностика модели". Если второе, то тут все несколько сложнее: есть множество альтернативных методов, и каждый кулик свое болото хвалит. Ничего, что признавалось бы здесь "золотым стандартом", вроде бы, пока нет.

Боюсь, если данные собраны неудачно, универсального решения проблемы может не быть. Вообще вопрос "у меня есть данные, нельзя их как-нибудь обработать" уже порождает сомнение в ценноcти данного исследования для науки. Потому что в доказательной медицине наоборот.

Сообщение отредактировал Игорь - 6.03.2025 - 13:38

[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.

[Vitek_22]

Не получится быть специалистом во всех дисциплинах. Часть исследований - самостоятельные, часть - в соавторстве, часть - вообще заказные. Это нормально.

Спасибо! Да, почитал про гетероскедастичность, оказывается, что да - знаю что это, я погорячился)) Просто не знал этого слова. Тестом Фишера для 2-х групп и Левена для большего числа групп анализирую. кстати говоря, в биологических публикациях в разделе статистика никто не пишет, проверялась ли однородность дисперсий.