Wie Sets von Matched Zahlen zu vergleichen
Das ungepaarte (unabhängige-Probe) T-Tests, one-way ANOVA, ANCOVA und ihre nichtparametrischer Kollegen befassen sich mit Vergleichen zwischen zwei oder mehr Gruppen von unabhängig
Proben von Daten, wie verschiedene Gruppen von Probanden, wo es zwischen einem bestimmten Thema in einer Gruppe und einem bestimmten Thema in einer anderen Gruppe keine logische Verbindung ist.Aber Sie wollen oft Sätze von Daten zu vergleichen, wo genau diese Art von Verbindung besteht. Matched-Pair-Daten ist in verschiedenen Situationen bis (für zwei Sätze von Daten veranschaulicht hier, aber anwendbar auf eine beliebige Anzahl von Sätzen):
Die Werte stammen aus dem gleichen Thema, aber bei zwei oder mehr verschiedenen Zeiten, wie vor und nach einer Art von Behandlung, Intervention oder Ereignis.
Die Werte stammen aus einer Crossover-Studie, bei denen das gleiche Thema zwei oder mehr Behandlungen in zwei oder mehr aufeinanderfolgende Phasen des Prozesses erhält.
Die Werte stammen aus zwei oder mehreren verschiedenen Personen, die gekoppelt wurden, oder angepasst, in gewisser Weise. Sie können Zwillinge sein oder sie können mit ähnlichen Eigenschaften (wie zum Beispiel Alter, Geschlecht, usw.) auf der Basis abgestimmt werden.
Vergleicht man passende Paare
Gepaart Vergleiche werden in der Regel durch die behandelt paired Student t-Test. Wenn Ihre Daten nicht normalverteilt sind, können Sie die nichtparametrischer verwenden Wilcoxon Signed-Ranks Test stattdessen.
Die paarigen Student t-Test und die Ein-Gruppe Student t-Test sind wirklich der gleiche Test. Wenn ein gekoppeltes t-Test ausgeführt wird, können Sie (oder die Software) berechnen zuerst die Differenz zwischen jedem Paar von Zahlen (zum Beispiel die Vorbehandlung Wert aus der Nachbehandlungs Wert subtrahieren), und dann diese Unterschiede gegenüber dem angenommenen Wert testen 0 mit ein one-group-Test.
Vergleicht man drei oder mehr angepaßten Zahlen
Wenn Sie drei oder mehr angepasst Zahlen haben, können Sie wiederholte Messungen Varianzanalyse (RM-ANOVA). Die RM-ANOVA kann auch verwendet werden, wenn man nur zwei Groups- haben, dann gibt es genau die gleiche p-Wert als das klassische paired Student t-Test.
Wenn die Daten nicht normalverteilt ist, können Sie die nichtparametrischer verwenden Friedman-Test. (Vorsicht - es gibt mehrere verschiedene Friedman-Tests, und das ist nicht das gleiche, das ANOVA anstelle eines Zwei-Wege verwendet wird!)
Ein weiteres Problem bewusst zu sein, mit RM-ANOVA und mehr als zwei Ebenen ist die Frage der Sphärizität - eine Erweiterung der Idee der gleiche Varianz auf drei oder mehr Sätze von gepaarte Werte. Sphärizität bezeichnet, ob die paarweise Unterschiede die gleiche Varianz für alle möglichen Paare von Ebenen.
Sphärizität wird durch die bewertet Mauchly-Test, und wenn die Daten deutlich nicht-kugelförmigen ist, sind Anpassungen der Software an den RM-ANOVA angewendet.