Im Vergleich Durchschnitt: Wie Situational Unterschiede Testmethoden ermitteln
Sie mögen sich fragen, warum es so viele Tests für eine solche einfache Aufgabe sind Mittelwerte als Vergleich. Nun, "zu vergleichen Mittelwerte" bezieht sich nicht auf einen einzelnen Aufgaben- es ist ein breiter Begriff, der auf viele Situationen anwenden können, die auf der Grundlage der voneinander unterscheiden:
Menu
Egal, ob Sie bei Änderungen im Laufe der Zeit innerhalb einer Gruppe von Personen oder Unterschiede zwischen Gruppen von Probanden (oder beide) auf der Suche
Wie viele Zeitpunkte oder Gruppen von Probanden Sie vergleichen
Unabhängig davon, ob die numerische Variable Sie vergleichen ist fast normal verteilt
Ob oder ob nicht die Zahlen haben die gleiche Ausbreitung (Standardabweichung) in allen Gruppen Sie vergleichen
Egal, ob Sie für die möglichen Auswirkungen einer anderen Variablen auf die Variable zu kompensieren Sie vergleichen
Diese unterschiedlichen Bedingungen können in beliebigen und alle Kombinationen auftreten, so gibt es viele mögliche Situationen.
Vergleichen der Mittelwert einer Gruppe von Zahlen zu einer Hypothese Wert
Vergleich eines beobachteten Mittelwert auf einen bestimmten Wert ergibt sich in Studien, in denen aus irgendeinem Grund nicht eine Kontrollgruppe (wie eine Gruppe, die ein Placebo oder eine unbehandelte Gruppe) haben kann, so dass Sie Ihre Ergebnisse ein zu vergleichen historische Kontrolle, wie beispielsweise Informationen aus der Literatur.
Es kommt auch auf, wenn Sie mit Daten, wie die Testergebnisse zu tun hat, die einige spezifische Mittel in der allgemeinen Bevölkerung (wie 100 für die IQ-Werte) zu haben, skaliert wurden.
Diese Daten werden in der Regel durch die analysierte one-Gruppe Student t-Test. Für nicht-normalen Daten, die Wilcoxon Signed-Ranks (WSR) Test kann stattdessen verwendet werden.
Vergleich von zwei Gruppen von Zahlen
Vielleicht ist die häufigste Situation ist eine, in der du bist zwei Gruppen von Zahlen zu vergleichen. Sie können einige vorgeschlagene Biomarker für einen medizinischen Zustand zwischen einer Gruppe von Probanden vergleichen wollen bekannt, dass Bedingung zu haben, und eine Gruppe bekannt, es nicht haben.
Oder Sie können ein gewisses Maß an Wirksamkeit von Medikamenten zwischen Probanden mit der Droge und Patienten mit einem Placebo behandelt wurden vergleichen möchten.
Oder vielleicht möchten Sie den Blutspiegel einiger Enzym zwischen einer Stichprobe von Männern und Frauen zu vergleichen.
Solche Vergleiche sind von dem berühmten allgemein behandelt ungepaarten oder"unabhängige Probe" Student t-Test (In der Regel nur genannt der t-Test). Aber der t-Test auf zwei Annahmen über die Verteilung der Daten in den beiden Gruppen basiert:
Die Zahlen sind normalverteilt (Die so genannte Normalitätsannahme). Für nicht-normale Daten können Sie die nichtparametrischer verwenden Mann-Whitney (M-W) Test, die Ihre Software als die beziehen sich auf möglicherweise Wilcoxon Sum-of-Ranks (WSOR) Test. Die WSOR wurde zuerst entwickelt, wurde aber auf gleicher Größe beschränkt Groups- die M-W-Test der WSOR Test generali für gleiche oder ungleiche Gruppengrößen zu arbeiten.
Die Standardabweichung (SD) ist der gleiche für beide Gruppen (Die so genannte gleich-Varianz dadurch Annahme, da die Varianz ist einfach das Quadrat der SD-, wenn die zwei SDs gleich sind, werden die beiden Varianzen auch gleich sein).
Wenn die beiden Gruppen merklich unterschiedlichen Varianzen haben (wenn beispielsweise die SD einer Gruppe mehr als 1,5 mal so groß wie die SD der anderen ist), dann kann der t-Test keine zuverlässigen Ergebnisse liefern, insbesondere mit ungleicher Größe Gruppen. Stattdessen Sie eine spezielle Modifikation der Student t-Test verwenden können, die so genannte Welch Test (Auch als Welch t-Test, oder der ungleiche Varianz t-Test).
Vergleich von drei oder mehr Gruppen von Zahlen
Vergleicht man drei oder mehr Gruppen von Zahlen ist offensichtlich, dass die Erweiterung der Zwei-Gruppen-Vergleich im vorhergehenden Abschnitt. Zum Beispiel können Sie einige Wirksamkeitsendpunkt, wie Ansprechen auf die Behandlung, unter drei Behandlungsgruppen (zum Beispiel Medikament A, Medikament B und Placebo) vergleichen. Diese Art von Vergleich wird durch die behandelt Varianzanalyse (ANOVA).
Wenn es eine Gruppierung variabel ist, wie die Behandlung, haben Sie eine one-way ANOVA. Wenn die Gruppenvariable drei Ebenen (wie Drogen A, Medikament B und Placebo in dem früheren Beispiel) hat, ist es ein rief one-way, Drei-Ebenen-ANOVA.
Die Nullhypothese des one-way ANOVA ist, daß alle Gruppen die gleiche Zwischenzeit die alternative Hypothese ist, dass mindestens eine Gruppe von mindestens einer anderen Gruppe verschieden ist. Die ANOVA erzeugt einen einzelnen p-Wert, und wenn das p kleiner als dem gewählten Kriterium (wie p lt; 0,05), können Sie feststellen, dass etwas irgendwo anders ist.
Aber die ANOVA nicht sagen, welche Gruppen unterschiedlich sind, von denen andere. Dafür müssen Sie mit einem oder mehreren eine signifikante ANOVA zu folgen, so genannte Post-hoc Tests, die zwischen jedem Paar von Gruppen, um Unterschiede zu suchen.
Sie können auch die ANOVA verwenden nur zwei Groups- dies zu vergleichen one-way, Zwei-Ebenen-ANOVA erzeugt genau den gleichen p-Wert als das klassische ungepaarten Student t-Test gleich-Varianz.