Прошу прощения, если надоел со своими воросами, но уж очень нужна помощь, т.к. своего ума не хватает, а работу хочеться сделать грамотно.
У меня 3 вопроса, все также про сравнение групп.
1) Есть 4 группы, не связанных, разного объема (от 24 до 9 человек в группе), данные - бинарные. Подсажите, как правильно выявить наличие или отсутсвтие различия по исследуемому признаку во сех 4 группах сразу, а также кокой метод использовать для по парного сравнения.
2) Есть 4 группы, не связанных, разного объема (от 24 до 9 человек в группе) данные - количественные. Подсажите, какаким методом оценить нормальность распределения в группах и какой метод дисперсионного анализа использовать для выявления различия во всех 4 группах сразу, т.к. разнообразие методов велико, а ведь еще необходимо обосновать применение того или иного метода.
3) Есть опять теже 4 группы, не связанных, разного объема (от 24 до 9 человек в группе), у которых проводится тимпанометрия с выявлением типа кривых (всего 4 типа). Подсажите, как правильно проанализировать данные, т.е. как определить или предположить, что тот или иной тип кривой характерен для той или иной группы.
Заранее благодарен за помощь!

Постройте таблицу сопряжённости 4х2 (входы: Группы и Градации бинарного признака). Если в таблице есть ячейки с частотами менее 5 - проанализируйте её предварительно с помощью диагностик Симонова - Цай и/или Хабермана на возможность использования стандартных критериев хи-квадрат и отношения правдоподобия (есть в программе AtteStat: http://attestatsoft.narod.ru/). Если диагностики покажут возможность использования аппроксимации хи-квадрат - переходите к тесту, лучше использовать отношение правдоподобия (критерий G² по Агрести). Если такая аппроксимация невозможна - нужно использовать точный перестановочный метод в специализированном ПО StatXact (доступна 30-тидневная демо-версия). В этом случае значение G-критерия не изменится, но будет точная оценка P. Если тест покажет существование значимых отличий - можно покопаться в попарных сравнениях, проведя такой же анализ, но в соответствующих таблицах сопряжённости 2х2. Приводить нужно значение G-критерия, число степеней свободы и значение P. Если одна из 4х групп - контроль полезно также по таким четырёхклеточным таблицам рассчитать изменения отношения шансов по сравнению с контролем и 95%-ные доверительные интервалы для них.

Сначала проведите однофакторный дисперсионный анализ (One-way ANOVA) и в его результатах посмотрите распределение остатков. Оно должно быть нормальным. Также с помощью доступных в ПО методов необходимо оценить однородность дисперсий в группах. Если эти 2 условия выполнены - приводите значение F-критерия, степени свободы и P. Попарные сравнения нужно делать внутри дисперсионного комплекса доступными в ПО методами (лучше запланированные сравнения чем post-hoc). Если распределение остатков отличалось от нормального есть 2 пути: преобразовать данные перед анализом адекватным способом (см. про преобразования данных на этом форуме) и применить дисперсионный анализ или использовать непараметрический аналог однофакторного дисперсионного анализа - критерий Краскела-Уоллиса (Kruskal-Wallis test). В последнем случае попарные сравнения можно провести с помощью критерия Манна-Уитни.

По типам кривых не знаю что это такое. Если имеются в виду регрессионные зависимости - используйте нелинейный регрессионный анализ. Информационный критерий Акаике (AIC) поможет выбрать наиболее подходящую функцию из 4х.
В общих чертах - так.

Большое спасибо за ответ, nokh!!!
Я конечно не все понял, но ход мысли понятен, буду пополнять свои знания по статистике, теперь хоть понятно, что копать.

Я использую для статистического анализа AtteStat, каким именно методом правильней посмотреть распределение остатков и однороднсть дисперсий. Последнее из подчеркнутого, к сожалению, совсем не понятно. Что значит попарные сравнения внутри дисперсионного комплекса и что значит запланированные сравнения?

Кривые, это просто кривые, которые получаются в хоте диагностики. В соответствии от состояния получаются разного рода кривые, которые обозначают A, B, Ac, Ad, т.е. я имею ввиду, что получаются данные, которые являются ни количественныеми, ни бинарными, которые, думаю, нужно преобразовать и проанлизировать. Но я не знаю как правильно это сделать.

Мне кажется, что надо начать с определения понятия тимпанометрия. Тогда станет понятным откуда берутся кривые и какую зависимость они отражают. Я не ЛОР-врач, поэтому мне сложно Вам советовать какую-то литературу по тимпанометрии. Наверное есть какие-то методички по тимпанометрии или ЛОР-болезням, в которых этот вопрос подробно рассматривается. Прикрепил два файла, надеюсь они помогут вам решить научную задачу. В остальном следуйте советам Nokh, он мне тоже помог с применением статистических методов.

Скачайте книгу Л.Закса: http://www.onlinedisk.ru/file/205482/ Почитайте там про дисперсионный анализ и его требования к данным, про множественные сравнения - вполне доступно всё описано. Если Вы сравниваете, скажем, контрольную группу с разными вариантами эксперимента, то далеко не всегда интересны все попарные сравнения. Поэтому можно выбрать только интересующие и образовать так называемые контрасты, которые и проверить одновременно. В этом случае увеличивается мощность статистического анализа (см. у Закса про мощность стат. критериев). Но если ортогональных контрастов не получается или интересуют все возможные попарные сравнения - используют незапланированные (так называемые post-hoc) сравнения. Часто исследователи не парятся и сразу делают post-hoc. Но их вариантов много - все со своими плюсами и минусами. В любом случае такие методы будут учитывать информацию об изменчивости признака во всём дисперсионном комплексе, поэтому я и писал о сравнениях "внутри" комплекса. За счёт этого также достигается выигрыш в мощности, т.е. возможна ситуация когда вы сравниваете две группы t-критерием Стьюдента и они значимо не отличаются, а когда их же в рамках (внутри) дисперсионного комплекса в котором присутствуют и другие группы - они будут значимо отличаться.
Универсальных пакетов нет, поэтому привыкайте использовать в анализе их комбинации. Для проведения дисперсионного анализа лучше воспользоваться пакетами, где трудозатраты будут сведены к минимуму. В вашем случае хорошо дополнит AtteStat также бесплатная программа PAST: http://folk.uio.no/ohammer/past/download.html . Скопируйте из Excel область данных и вставьте в PAST. Выделите её и далее: Statistics - One-Way ANOVA. Получите и стандартную таблицу дисперсионного анализа, и проверку выборок на однородность дисперсий по Ливену, и множественные сравнения методом Tukey's HSD, и проверку остатков (Residuals) на нормальность методом Шапиро-Уилка. Пока читайте, делайте анализ, предварительные результаты сохраняйте. Потом опишите что получается. Если потребуется преобразование данных - вернёмся к AtteStat и сделаем преобразование Бокса-Кокса.

Немного погуглил, посмотрел файлы от Pyrosmani. Насколько понял тип этих кривых классифицируется "на глаз". Тогда эти данные нужно будет обрабатывать как качественные признаки - посчитать сколько какого типа кривых в ваших группах и свести всё в таблицу сопряжённости. Также видел, что помимо общего вида тимпанограммы она характеризуется также пиковым давлением при максимальной податливости и общим эквивалентным объёмом. Эти показатели, вероятно, также нужно оцифровать и сравнивать дисперсионным анализом. Думаю что-нибудь интересное могло бы проявиться при многомерном анализе Ваших данных, когда все признаки анализировались бы одновременно, но пока это будет, пожалуй, слишком мудрено.

И снова огромное спасибо, nokh, за разъяснения и помощь!!!
Совершенно верно поняли, классификация кривых происходит "на глаз", остальных параметров нет.
На сколько я понял, я должен создать таблицы r x с, куда вбиваю абсолютные частоты наблюдаемые для той или иной кривой в каждой группе провожу диагностику Симонова - Цай и Хабермана, и в случае положительного результата применяю критерий отношения правдоподобия. И далее как в ответе на первый вопрос.

Хотел уточнить, в исследовании нет ни одной контрольной группы.

Еще раз спасибо, nokh!