Цитата(bubnilkin @ 19.01.2010 - 19:15)
Как на сегодняшний день необходимо представлять результаты исследований?
В столбиковых диаграммах или в виде коробок с усами (если во всех группах нормальное распределение: M+-SD, если ненормальное: Me; Q1, Q3), где SD, Q1, Q3 планки погрешностей/усы.
Или нужно (согласно современным правилам хорошего тона) рассчитывать ДИ для M или для Me, соответственно?
В столбчатых диаграммах лучше представлять частоты (как абсолютные, так и относительные), тогда как измерения давать коробчатыми диаграммами. Что в них включать - определитесь сами, допустимы варианты, главное обозначить, что где. ДИ сейчас действительно очень желательны. ДИ для асимметричных распределений также должны быть асимметричными, а большинство пакетов строят их через аппроксимацию симметричным t-распределением Стьюдента, поэтому для таких данных лучше в усах приводить минимум-максимум, или же преобразовывать, рассчитывать среднее и симметричные ДИ, а затем с помощью обратного преобразования получить искомые средние и асимметричные ДИ. Преобразования на форуме многократно обсуждались.
Цитата(bubnilkin @ 19.01.2010 - 19:15)
Я так понимаю, если различия между группами статистически значимы, то планки погрешностей/усы не должны пересекаться?
Если ДИ (обычно 95%-ные) не пересекаются, то это действительно трактуется как принадлежность выборок разным генеральным совокупностям, т.е. как стат. значимые различия. Однако такой косвенный тест консервативен (благоприятствует нулевой гипотезе), т.к. оба ДИ строятся изолированно для каждой выборки, а информация о другой в расчёт не берётся. Прямые статистические критерии используют информацию обо всех выборках одновременно, а потому обладают большей мощностью. Т.е. на практике встречаются случаи, когда усы немного пересекаются, но прямой критерий говорит о стат. значимости различий. Принятие решений на основе пересечения/непересечения ДИ следует использовать как быстрый способ посмотреть за счёт чего различия получились значимыми или в случаях, когда доступа к оригинальным данным нет (например, собственные результаты сравниваются с данными из публикации).
!