부트 스트랩 테스트를 수행하여 두 샘플의 평균을 비교하는 방법은 무엇입니까?


12

두 개의 심하게 치우친 표본이 있으며 부트 스트랩을 사용하여 t- 통계량을 사용하여 평균을 비교하려고합니다.

올바른 절차는 무엇입니까?


내가 사용하고있는 과정

나는 이것이 정규 분포가 아니라는 것을 알고 마지막 단계에서 원본 / 관측 된 데이터의 표준 오차를 사용하는 것이 적절 할까 걱정하고 있습니다.

내 단계는 다음과 같습니다.

  • 부트 스트랩-무작위 샘플 교체 (N = 1000)
  • t- 분포를 만들기 위해 각 부트 스트랩에 대한 t- 통계량을 계산하십시오.
    T(b)=(X¯b1−X¯b2)−(X¯1−X¯2)σxb12/n+σxb22/n
  • t- 분포의 및 1- \ alpha / 2 백분위 수를 구하여 t 신뢰 구간을 추정합니다.α/21−α/2
  • 다음을 통해 신뢰 구간을 확보하십시오.

    CIL=(X¯1−X¯2)−T_CIL.SEoriginal
    CIU=(X¯1−X¯2)+T_CIU.SEoriginal
    여기서
    SE=σX12/n+σX22/n
  • 평균에 유의 한 차이 (예 : 0이 아님)가 있는지 확인하기 위해 신뢰 구간이 떨어지는 위치를 확인하십시오.

나는 또한 Wilcoxon rank-sum을 보았지만 매우 치우친 분포 (예 : 75th == 95th percentile)로 인해 매우 합리적인 결과를 제공하지 않습니다. 이러한 이유로 부트 스트랩 된 t-test를 더 탐색하고 싶습니다.

그래서 내 질문은 :

  1. 이것이 적절한 방법론입니까?
  2. 관찰 된 데이터의 SE가 심하게 치우친 것을 알고있을 때 SE를 사용하는 것이 적절합니까?

가능한 중복 : 부트 스트랩 테스트 또는 비모수 순위 기반 테스트 중 어떤 방법이 선호됩니까?


샘플은 얼마나 큽니까?
— Michael M

@Michael Mayer Around 800
— CatsLoveJazz

답변:


16

나는 정기적 인 부트 스트랩 테스트를 할 것입니다 :

  • 데이터에서 t- 통계량을 계산하여 저장
  • 귀무 가설이 참이되도록 데이터를 변경하십시오. 이 경우 그룹 1의 그룹 1에서 평균을 빼고 전체 평균을 더하고 그룹 2에 대해서도 동일하게 수행하면 두 그룹의 평균이 전체 평균이됩니다.
  • 이 데이터 세트에서 아마도 20,000의 부트 스트랩 샘플을 가져 오십시오.
  • 각 부트 스트랩 샘플에서 t- 통계량을 계산합니다. 이 t- 통계의 분포는 귀무 가설이 참인 경우 기울어 진 데이터에서 t- 통계의 샘플링 분포의 부트 스트랩 추정치입니다.
  • 관측 된 t- 통계 값보다 크거나 같은 부트 스트랩 t- 통계량의 비율은 값 의 추정치입니다 . 당신은보고 좀 더 잘 할 수 있습니다 보다 큰 또는 관찰 t-통계와 같은 부트 스트랩 t-통계의 수 로 나눈 부트 스트랩 샘플의 수 . 그러나 부트 스트랩 샘플 수가 많으면 차이가 작아집니다.p(+1)(+1)

자세한 내용은 다음을 참조하십시오.

  • AC Davison 및 DV Hinkley (1997)의 4 장 부트 스트랩 방법 및 응용 프로그램 . 케임브리지 : Cambridge University Press.

  • Bradley Efron의 16 장과 Robert J. Tibshirani (1993) 부트 스트랩 소개 . 보카 레이 톤 : 채프먼 & 홀 / CRC.

  • 부트 스트랩 가설 테스트에 대한 Wikipedia 항목.


이것은 본질적으로 Im이하는 일이지만 원래 / 관측 된 t- 통계량이> = 부트 스트랩 된 t- 통계량의 비율을보고 있습니다. 첫 번째 인스턴스에서 치우친 데이터에 대해 t- 검정을해도 괜찮습니까? 이것이 부 스트랩을 수행하려는 이유 중 하나입니다.
— CatsLoveJazz

2
기술적으로 부트 스트랩 테스트의 경우 테스트 통계가 필요하므로 문제가되지 않습니다. 실질적으로, t- 검정은 평균을 비교하며, 비뚤어진 데이터의 중앙값은 종종 평균보다 더 의미가 있습니다. 따라서 평균 대신 중간 값을 비교하는 테스트가 더 합리적 일 수 있습니다. 그러나 그것은 귀무 가설에 달려 있으며, 이는 귀하의 선택이며 귀하의 선택입니다.
— Maarten Buis

감사합니다. 다른 모든 결과물이이 형식으로되어 있으므로 테스트하고 싶은 의미입니다.
— CatsLoveJazz
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.