«post-hoc» 태그된 질문

분산 분석 후 사후 테스트는 분산 분석 자체가 중요한 경우에만 사용할 수 있다고 들었습니다. 그러나 사후 테스트 에서는 전역 유형 I 오류율을 5 %로 유지하기 위해 조정합니다 .ppp 그렇다면 왜 글로벌 테스트가 먼저 필요한가? 글로벌 테스트가 필요하지 않은 경우 "사후"라는 용어가 올바른가? 아니면 여러 종류의 사후 테스트가 있습니까? 일부는 중요한 …

54 anova  statistical-significance  post-hoc 

종속 변수, 종속 변수 및 독립 변수 또는 독립 변수 만 로그 변환인지 해석에 차이가 있는지 궁금합니다. 의 경우를 고려 log(DV) = Intercept + B1*IV + Error IV를 백분율 증가로 해석 할 수 있지만 log(DV) = Intercept + B1*log(IV) + Error 또는 내가있을 때 DV = Intercept + B1*log(IV) + …

46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

저의 통계 프로그램은 Benjamini & Hochberg (1995)와 Benjamini & Yekutieli (2001) FDR (False Discovery Rate) 절차를 모두 구현합니다. 나는 나중의 논문을 읽기 위해 최선을 다했지만, 그것은 수학적으로 밀도가 높으며 절차의 차이점을 이해한다고 합리적으로 확신하지 못한다. 통계 프로그램의 기본 코드에서 실제로는 다르며 후자는 FDR과 관련하여 언급 한 수량 q를 포함하지만 파악할 …

34 post-hoc  false-discovery-rate 

쌍별 t- 검정이 없는 경우 일원 ( 그룹 또는 "수준") 분산 분석에서 유의미한 차이를보고 할 수 있습니까?N ( N - 1 ) / 2N>2N>2N>2N(N−1)/2N(N−1)/2N(N-1)/2 에서 이 응답 @whuber 썼다 : 글로벌 ANOVA F 검정은 어떤 쌍의 수단에 대한 개별적인 [조정되지 않은 쌍별] t- 검정이 유의미한 결과를 산출하지 않는 경우에도 평균의 …

29 statistical-significance  anova  t-test  post-hoc 

다음과 같이 R에서 반복 측정 ANOVA를 수행했습니다. aov_velocity = aov(Velocity ~ Material + Error(Subject/(Material)), data=scrd) summary(aov_velocity) 측정 값이 반복되는 분산 분석 후 사후 테스트를 수행하기 위해 R의 어떤 구문을 사용할 수 있습니까? Bonferroni 보정을 사용한 Tukey의 테스트가 적절합니까? 그렇다면 R에서 어떻게 할 수 있습니까?

24 r  anova  repeated-measures  post-hoc  contrasts 

두 그룹에서 실험을 수행 할 때 (대개 표본 크기 (일반적으로 처리 그룹당 표본 크기는 약 7 ~ 8)) t- 검정을 사용하여 차이를 테스트합니다. 그러나 분산 분석을 수행 할 때 (분명히 두 개 이상의 그룹에 대해) Bonferroni (LSD / # 쌍별 비교) 또는 Tukey의 라인을 따라 무언가를 사후에 사용하고 학생으로서 경고를 …

22 anova  multiple-comparisons  post-hoc  bonferroni  fishers-lsd 

과목 내 시험 후 사후 수행을 위해 선호되는 방법은 무엇입니까? 나는 Tukey의 HSD가 사용되는 출판 된 작품을 보았지만 Keppel과 Maxwell & Delaney의 검토에 따르면 이러한 디자인에서 구형의 위반 가능성이 오류 용어를 부정확하게 만들고이 접근 방식에 문제가 있다고 제안합니다. Maxwell & Delaney는 그들의 책에서 문제에 대한 접근 방식을 제공하지만 통계 패키지에서 …

20 r  repeated-measures  multiple-comparisons  post-hoc  sphericity 

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 …

19 hypothesis-testing  anova  multiple-comparisons  post-hoc 

비 가우시안 분산 변수가 있는데 5 개의 다른 그룹에서이 변수의 값 사이에 유의 한 차이가 있는지 확인해야합니다. 나는 Kruskal-Wallis 일원 분산 분석 (중요한 결과)을 수행 한 후 어느 그룹이 크게 다른지 확인해야했습니다. 그룹이 정렬되어 있기 때문에 (첫 번째 그룹의 변수 값은 두 번째 그룹의 변수 값보다 낮아야합니다. 세 번째 그룹의 …

18 hypothesis-testing  post-hoc  wilcoxon-mann-whitney  kruskal-wallis  dunn-test 

R AN ANOVA로 수행 한 결과 상당한 차이가있었습니다. 그러나 Tukey의 절차를 사용하여 어떤 쌍이 크게 다른지 확인할 때 나는 그중 하나를 얻지 못했습니다. 이것이 어떻게 가능합니까? 코드는 다음과 같습니다. fit5_snow<- lm(Response ~ Stimulus, data=audio_snow) anova(fit5_snow) > anova(fit5_snow) Analysis of Variance Table Response: Response Df Sum Sq Mean Sq F value …

18 anova  post-hoc  tukey-hsd 

SPSS (3 판)를 사용하여 Field의 발견 통계 읽기 필자는 ANOVA의 사후 테스트에 대해 약간 충격을 받았습니다. 제 1 종 오류율을 제어하려는 사람들은 Bonferroni 또는 Tukey를 제안하고 (374 페이지)라고 말합니다. Bonferroni는 비교 횟수가 적을수록 더 많은 힘을 발휘하는 반면 Tukey는 많은 수의 평균을 테스트 할 때 더 강력합니다. 작고 많은 수단 …

18 anova  multiple-comparisons  post-hoc  bonferroni  tukey-hsd 

이것은 내 데이터 프레임입니다. Group <- c("G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G1","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G2","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3","G3") Subject <- c("S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15","S1","S2","S3","S4","S5","S6","S7","S8","S9","S10","S11","S12","S13","S14","S15") Value <- c(9.832217741,13.62390117,13.19671612,14.68552076,9.26683366,11.67886655,14.65083473,12.20969772,11.58494621,13.58474896,12.49053635,10.28208078,12.21945867,12.58276212,15.42648969,9.466436017,11.46582655,10.78725485,10.66159358,10.86701127,12.97863424,12.85276916,8.672953949,10.44587257,13.62135205,13.64038394,12.45778874,8.655142642,10.65925259,13.18336949,11.96595556,13.5552118,11.8337142,14.01763101,11.37502161,14.14801305,13.21640866,9.141392359,11.65848845,14.20350364,14.1829714,11.26202565,11.98431285,13.77216009,11.57303893) data <- data.frame(Group, Subject, Value) 그런 다음 선형 혼합 효과 모델을 실행하여 "값"에 대한 3 개의 그룹 차이를 비교합니다. 여기서 "제목"은 임의의 요소입니다. library(lme4) library(lmerTest) model <- lmer (Value~Group + (1|Subject), data = data) summary(model) 결과는 다음과 …

18 r  lme4-nlme  post-hoc 

Tukey post-hoc 결과를 작성하는 올바른 방법은 무엇입니까? 다른 결과를 가진 몇 가지 예가 있습니까? 북쪽, 남쪽, 동쪽 및 서쪽이 있다고 가정하십시오. North N=50 Mean=2.45 SD=3.9 std error=.577 LB=1.29 UB=3.62 South N=40 Mean=2.54 SD=3.8 std error=.576 LB=1.29 UB=3.63 East N=55 Mean=3.45 SD=3.7 std error=.575 LB=1.29 UB=3.64 West N=45 Mean=3.54 SD=3.6 std …

17 post-hoc  tukey-hsd 

세 가지 범주로 카이-제곱 적합도 (GOF) 테스트를 수행하고 있으며 특히 각 범주의 모집단 비율이 같은지 (예 : 비율이 각 그룹의 1/3 임) null을 테스트하려고합니다. 관찰 된 데이터 그룹 1 그룹 2 그룹 3 총계 686928 1012 2626 따라서이 GOF 테스트의 경우 예상 카운트는 2626 (1/3) = 875.333이며 테스트 는 <0.0001 …

16 hypothesis-testing  chi-squared  goodness-of-fit  post-hoc 

하나의 고정 효과 (조건)와 두 개의 임의 효과 (대상 내 설계 및 쌍으로 인해 참가자)가있는 혼합 효과 모델을 사용하여 데이터 세트를 분석하고 있습니다. lme4패키지로 모델이 생성되었습니다 exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). 다음으로, 고정 효과 (조건)없이 모형에 대해이 모형의 우도 비 검정을 수행했으며 유의 한 차이가 있습니다. 내 데이터 세트에는 3 가지 조건이 있으므로 다중 …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology