내가 일하고 있던 한 여성이 일부 데이터에 대해 일원 분산 분석을 수행하도록 요청했습니다. 나는 데이터가 반복 측정 (시계열) 데이터이며 독립성에 대한 가정이 위반되었다고 생각했다. 그녀는 가정에 대해 걱정하지 말고 시험 만하면 가정이 충족되지 않았 음을 고려할 것이라고 대답했다.
그것은 나에게 옳지 않은 것처럼 보였다. 나는 몇 가지 조사를했고, 데이비드 로빈슨이 멋진 블로그 게시물을 발견, K-수단 클러스터링는 무료 점심 아닙니다 없음 무료 점심 정리에 나를 노출. 나는 원래의 논문을 보았고 일부는 물건을 따라 갔으며 솔직히 수학은 내 머리 위로 조금 있습니다.
데이비드 로빈슨 (David Robinson)에 따르면 통계 테스트의 힘은 가정에서 비롯된 것 같습니다. 그리고 그는 두 가지 훌륭한 예를 제시합니다. 다른 기사와 블로그 게시물을 살펴보면 항상지도 학습 또는 검색 측면에서 참조되는 것으로 보입니다.
내 질문은,이 정리는 일반적으로 통계 테스트에 적용됩니까? 다시 말해, t- 검정 또는 분산 분석의 힘은 가정의 준수에서 비롯된 것으로, 무료 점심 식사 정리를 인용 할 수 있습니까?
나는 전직 상사에게 내가 한 일에 관한 최종 문서를 빚지고 있으며, 당신이 통계 테스트의 가정을 무시하고 그것을 받아 들일 것이라고 말할 수있는 무료 점심 식사 정리를 참조 할 수 있는지 알고 싶습니다. 결과를 평가할 때 계정.
4
반복 측정 ANOVA를 "비밀로"하지 않는 이유는 무엇입니까?
—
Horst Grünbusch 2016 년
@ HorstGrünbusch 사실, 데이터와 테스트는 포럼에서 반복 측정 ANOVA에 대한 특정 질문과 함께 논의되었으며 선형 혼합 효과 모델이 최선의 선택 일 것입니다.
—
rwjones
이것은 이미 잘 답변되었으므로 더 많은 플립 팬트 응답을 추가 할 수 있습니다. 상사에게 가정에 위배되는 결과를 어떻게 고려할 것인지 정확하게 물어볼 수 있습니다 ( "주의하는 것"은 아무것도 아닌 것보다 낫습니다!). 요컨대, 가정에 대해 부주의하게 생각할 수있는시기를 알기에 충분한 이해와 경험을 얻는 것은 길고 어려운 길입니다. Rupert G. Miller의 Beyond ANOVA (뉴욕 : Wiley, 1986 년 이후 재 인쇄)는 결과에 대한 좋은 소스이며, 그 주요 주제는 독립성 가정을 무시하는 것이 가장 위험한 일 중 하나라는 것입니다.
—
Nick Cox
@NickCox 글쎄, 그녀는 더 이상 내 상사가 아니고이 특별한 상황이 주된 이유이다. 그것은 기본적으로 그렇지 않은 연구 환경에서 그녀를 대신하여 많은 조잡한 사고와 조잡한 프로젝트 관리의 정점이었습니다. 그 외에도, 책 추천에 감사드립니다. 그것의 소리에서, 그것은 내 최종 보고서에서 인용하고자하는 것 중 하나입니다.
—
rwjones