Levene 또는 Bartlett의 분산 동질성 검정에 의해 생성 된 p- 값 해석


11

분산 분석의 동질성에 대한 분산 분석의 가정을 위반하지 않는지 확인하기 위해 실험 중 하나의 데이터 그룹에 대해 Levene 및 Bartlett의 테스트를 실행했습니다. 마음에 들지 않으면 잘못된 가정을하고 있지 않다는 것을 당신과 함께 확인하고 싶습니다 : D

두 검정에서 모두 반환 된 p- 값은 동일한 분산을 사용하여 다시 생성 된 데이터가 동일 할 확률입니다. 따라서 이러한 검정을 사용하여 분산의 동질성에 대한 분산 분석의 가정을 위반하지 않는다고 말할 수 있도록 선택한 알파 수준 (예 : 0.05)보다 높은 p- 값만 필요합니까?

예를 들어, 현재 사용중인 데이터를 사용하여 Bartlett의 테스트는 p = 0.57을 반환하는 반면 Levene의 테스트 (Brown-Forsythe Levene- 타입 테스트라고도 함)는 ap = 0.95를 나타냅니다. 즉, 어떤 테스트를 사용하든 데이터가 가정을 충족한다고 말할 수 있습니다. 내가 실수하고 있습니까?

감사.

답변:


8

귀무 가설이 참인 경우 유의성 검정의 p- 값은 관련 통계량 의 값을 실제 관측 된 값보다 높거나 극단적 으로 관찰 할 확률로 해석 할 수 있습니다 . (p- 값은 통계적 값이 대립 가설 아래에있을 가능성이있는 값을 참조하지 않습니다 )

V이자형=아르 자형(>영형에스|H0)
영형에스 H0

당신은 할 수 결코 당신이있는 거 가정에만 여부에 관계없이 성립 있는지 확인하지 당신이 관찰 된 데이터가 가정과 일치한다 . p- 값은 이러한 일관성을 대략적으로 측정합니다.

p- 값은 동일한 데이터가 관측 될 확률을 제공하지 않으며 통계 값이 귀무 가설을 고려할 때 관측 된 값보다 크거나 같을 확률 만 제공합니다.


1030

.. 계속 ... 매우 "좋은"데이터가있는 경우도 있습니다 (예 : p- 값 0.5). 그러나 대립 가설 이이 데이터와 함께 더 우수 하거나 일관성이 있을 수 있습니다 (예 : 귀무 가설과 대립 가설이 전환 될 때 p- 값 0.99999).
chanceislogic

5

"p- 값의 오른쪽"에 있습니다. 그룹이 모집단에서 동일한 분산을 갖는 경우 p = 0.95의 결과는이 n 크기를 사용하는 무작위 샘플링이 시간의 95 % 또는 더 멀리 분산을 생성한다는 것을 나타냅니다. . 다시 말해, 엄밀히 말하면 결과를 귀무 가설에 대해서는 말하는 것이지만 미래에 대해서는 말하는 것은 아닙니다.


p- 값을 (이 경우) 해석으로 기억합니다 : 귀무 가설 (예 : 분산의 동질성)이 정확하다고 가정 할 때,이 결과 또는 더 극단적 인 결과를 얻을 확률 (예 : 귀무와 반대) )는 57 % 또는 95 %입니다. 그러나 결론은 동일하고 정확합니다.
Henrik

3

이전 주석은 100 % 정확하지만 R의 모델 객체에 대해 생성 된 플롯은이 질문의 그래픽 요약을 제공합니다. 개인적으로, 나는 플롯이 p 값보다 훨씬 더 유용하다는 것을 알았습니다. 후에 데이터를 변환하고 플롯에서 즉시 변경 사항을 발견 할 수 있기 때문입니다.


2
그럼 또 다른 한가지는 p- 값은 당신에 대해 아무것도 알 수 없다는 것입니다 말했다 무엇을해야하는지 귀무 가설은 "거부"하는 경우가 있지만, 데이터의 플롯이 문제에 관해서는 당신에게 실마리를 제공
probabilityislogic
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.