사후 또는 계획된 비교 테스트로 바로 넘어 가지 않고 ANOVA를 사용하는 이유는 무엇입니까?

그룹 간 분산 분석 상황을 살펴보면 실제로 이러한 분산 분석 테스트를 먼저 수행하고 두 번째로 사후 분석 (Bonferroni, Šidák 등) 또는 계획된 비교 테스트를 수행하면 무엇을 얻을 수 있습니까? 분산 분석 단계를 완전히 건너 뛰지 않겠습니까?

이러한 상황에서 그룹 간 분산 분석의 이점 중 하나는 Tukey의 HSD를 사후 테스트로 사용할 수 있다는 것입니다. 후자는 관련 표준 오차를 계산하기 위해 분산 분석표의 그룹 내 평균 제곱이 필요합니다. 그러나 페어링되지 않은 t- 검정에 대한 Bonferroni 및 Šidák 조정에는 ANOVA 입력이 필요하지 않습니다.

그룹 내 분산 분석 상황에 대해 동일한 질문을 제기하고 싶습니다. 그런 경우 Tukey의 HSD 테스트는이 질문을 더욱 압박하게 만드는 관련 고려 사항이 아닙니다.

실제로 특정 시나리오에서 옴니버스 테스트가 반드시 필요한 것은 아니며 Bonferroni 또는 Bonferroni-Holm과 같은 다중 추론 절차는 ANOVA / 평균 비교 설정으로 제한되지 않습니다. 그것들은 종종 교과서에서 사후 테스트로 제시되거나 통계 소프트웨어에서 ANOVA와 관련이 있지만 주제에 관한 논문을 찾아 보면 (예 : Holm, 1979), 훨씬 더 넓은 맥락에서 논의되었다는 것을 알게 될 것입니다. 당신이 원한다면 확실히 "분석을 건너 뛸 수 있습니다".

사람들이 여전히 분산 분석을 실행하는 한 가지 이유는 Bonferroni 조정과의 쌍별 비교가 더 낮은 검정력 (때로는 훨씬 낮은)을 갖기 때문입니다. Tukey HSD 및 옴니버스 테스트는 더 높은 전력을 가질 수 있으며, 쌍별 비교로 아무 것도 나타내지 않더라도 ANOVA F- 테스트는 이미 결과입니다. 작고 우연히 정의 된 샘플로 작업하고 많은 사람들처럼 공개 가능한 p- 값을 찾고 있다면, 항상 쌍 비교를하려고하더라도 매력적입니다.

또한 특정 쌍별 비교와는 달리 어떤 차이가 있는지 아는 것과는 달리 가능한 차이에 관심이있는 경우, ANOVA 옴니버스 테스트는 실제로 원하는 테스트입니다. 유사하게, 다원 분산 분석 절차는 편리하게 쌍 쌍 비교보다 더 직접적으로 관심을 가질 수있는 주요 효과 및 상호 작용에 대한 테스트를 제공합니다 (계획된 대비는 동일한 종류의 질문을 처리 할 수 ​​있지만 설정이 더 복잡합니다). 예를 들어, 심리학에서 옴니버스 테스트는 종종 실험의 주요 결과로 생각되며, 여러 비교는 부가 물로만 간주됩니다.

마지막으로, 많은 사람들이이 루틴 (ANOVA에 이어 사후 테스트)에 만족하고 Bonferroni의 불평등이 ANOVA와 관련이없는 매우 일반적인 결과라는 것을 알지 못하므로보다 집중적 인 계획 비교를 수행하거나 테스트 수행 외에도 많은 일을합니다. 응용 분야에서 가장 인기있는“요리 책”에서 일하고 있고 많은 일반적인 관행을 설명하는 경우 (이를 정당화 하지는 않더라도)이를 쉽게 알 수 없습니다 .

Holm, S. (1979). 간단한 순차적으로 거부되는 여러 테스트 절차. 스칸디나비아 통계 저널, 6 (2), 65–70.