МНОЖЕСТВЕННЫЕ СРАВНЕНИЯ В ANOVA - раздел Социология, ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА В Состав Процедур Anova Включаются Множественные Сравнения Средних Значений ...
В состав процедур ANOVA включаются множественные сравнения средних значений для разных уровней фактора: парные сравнения средних после отклонения H0(Post Hoc Tests); метод контрастов (Contrasts).
Методы сравнения средних после отклонения Но об отсутствии различий предназначены для выделения тех пар средних, которые привели к отклонению Но. Эти методы сводятся к последовательному сопоставлению всех пар средних значений для одного фактора. Применение для этих целей, казалось бы, подходящего критерия /-Стьюдента является некорректным, так как дело касается проверки одновременно нескольких гипотез. Тем не менее, разработано множество процедур корректного множественного сравнения пар средних (методы Бонферрони, Тьюки, Дункан, Шеффе и др.). Рассмотрим один из них — наиболее популярный метод Шеффе (Scheffe test).
При использовании метода Шеффе достоверность различия средних значений определяется по формуле эмпирического значения критерия t-Шеффе:
где Мъ М2~~ сравниваемые средние значения; пъ п2— численность соответствующих групп; MSwg— внутригрупповой средний квадрат. Для определения ^-уровня эмпирическое значение сравнивается с критическим значением, которое в свою очередь вычисляется по формуле исходя из критического значения /-критерия для dfbg и dfwg:
Ограничение на применение метода Шеффе: дисперсии в сравниваемых выборках, соответствующих уровням фактора, не должны статистически достоверно различаться. Для проверки однородности дисперсии применяется критерий Ливена (Levene's Test of Homogeneity of Variances). Если дисперсии различаются, то следует воспользоваться другими критериями, которые предлагает для этого случая компьютерная программа (SPSS): Tarahane's T2, Dunnett's T3, Games-Howell, Dunnett's С.
ПРИМЕР 13.2_____________________________________________________________
Сравним уровни фактора для предыдущего примера 13.1.
Ш а г 1. Вычислим эмпирические значения критерия /-Шеффе:
5-9 |7-9|
= 2; tu= , _ _=4; /„ = ,!_ [ _ =2 .
Ш а г 4. Принимаем статистические решения и формулируем содержательный вывод. Гипотеза о равенстве средних значений отклоняется только для уровней 1 и 3. Влияние условий предъявления материала на продуктивность его воспроизведения проявляется в статистически достоверном различии условий 1 и 3: средняя продуктивность воспроизведения при условии 3 выше, чем при условии 1 (р < 0,01).
Метод контрастов (Contrasts) не предполагает обязательного отклонения Но и позволяет оценить различия между сочетаниями средних значений для разных уровней фактора. Например, можно сравнить общее среднее значение первого и второго уровней со средним значением для третьего уровня фактора. Контраст (К) — это линейная комбинация сравниваемых средних значений, которая задается в виде полинома:
1Так определяется р-уровень в программе SPSS. В других источниках предлагается более консервативный метод — вычисление критического значения по формуле Шеффе (Гласе, Стэнли, 1977), — увеличивающий значение ^-уровня.
ГЛАВА 13. ДИСПЕРСИОННЫЙ АНАЛИЗ (ANOVA)
Ограничение на применение метода контрастов: дисперсии в сравниваемых выборках не должны статистически достоверно различаться. Для проверки однородности дисперсии применяется критерий Ливена (Levene's Test of Homogeneity of Variances). При различии дисперсий компьютерные программы (SPSS) вводят поправку в число степеней свободы и, соответственно, корректируют /ьуровень значимости.
ПРИМЕР 13.3___________________________________________________
Определим для примера 13.1 достоверность отличия уровней 1 и 2 от уровня 3.
Ш а г 1. Зададим коэффициенты контраста: сх = 1; с2= 1; с3 = —2. Ш а г 2. Определим эмпирическое значение критерия Г-Шеффе:
К= Мх + М2- 2М3 = 5 + 7 - 18 = -6,
++ 555
Отметим, что если задать коэффициенты контраста 0,5; 0,5; —1 (К= —3), то величина ?э не изменится.
Ш а г 3. Определяем р-уровень, сопоставляя эмпирическое значение с табличными критическими значениями /-распределения (приложение 2) для dfwg ^2:p< 0,01.
Ш а г 4. Принимаем статистическое решение и формулируем вывод. Контраст статистически достоверно отличается от нуля. Продуктивность воспроизведения при условии 3 статистически достоверно выше, чем средняя продуктивность воспроизведения для условий 1 и 2 (р < 0,01).
ВВЕДЕНИЕ В ПРОБЛЕМУ СТАТИСТИЧЕСКОГО ВЫВОДА ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ ПРИМЕР Исходя из... ПРИМЕР... Первым примером применения такой логики для проверки статистической ги потезы по видимому является работа врача...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:
МНОЖЕСТВЕННЫЕ СРАВНЕНИЯ В ANOVA
Что будем делать с полученным материалом:
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
ГИПОТЕЗЫ НАУЧНЫЕ И СТАТИСТИЧЕСКИЕ
Обычно исследование проводится для проверки гипотезы, которая является следствием теоретических представлений.1 Эта гипотеза содержит утверждение о связи абстрактных категорий, относящ
ИДЕЯ ПРОВЕРКИ СТАТИСТИЧЕСКОЙ ГИПОТЕЗЫ
Рассмотрим идею проверки статистической гипотезы на примере. Предположим, психолог решил проверить пригодность разработанных ранее норм для имеющегося в его распоряжении теста интеллекта. Прежний
УРОВЕНЬ СТАТИСТИЧЕСКОЙ ЗНАЧИМОСТИ
Статистическая значимость(Significant level, сокращенно Sig.), или р-уро-вень значимости(р-level), — основной результат проверки статис
СТАТИСТИЧЕСКОЕ РЕШЕНИЕ И ВЕРОЯТНОСТЬ ОШИБКИ
До сих пор под проверкой статистической гипотезы мы подразумевали процедуру определения надежности связи (р-уровня, как показателя статистической значимости). Однако в конечном итоге проверка ста
ВЫБОР МЕТОДА СТАТИСТИЧЕСКОГО ВЫВОДА
Приступая к операционализации содержательной гипотезы — к определению того, как будут измерены изучаемые явления, исследователь уже должен представлять себе, какому методу статистического выв
Анализ таблиц сопряженности
Условие применения: для. каждого объекта (испытуемого) выборки определена его принадлежность к одной из категорий (градаций) Хи к одной из категорий (градаций) Y (получена пе
Сравнение двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух независимых выборок.
ПРИМЕР____________________________________
Сравнение 2-х зависимых выборок
Условия применения: (а) признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из двух зависимых выборок: либо при-
ГЛАВА 8. ВЫБОР МЕТОДА СТАТИСТИЧЕ
Сравнение более двух независимых выборок
Условия применения: признак измерен у объектов (испытуемых), каждый из которых принадлежит к одной из к независимых выборок (к > 2).
ЧАСТЬ II. МЕТОДЫ СТАТИС
АНАЛИЗ НОМИНАТИВНЫХ ДАННЫХ
Методы, о которых пойдет речь в этой главе, касаются проверки, по-видимому, самого широкого класса гипотез — в отношении тех явлений, измерения которых доступны в номинативной шкале.
Две градации
Эта задача сводится к сравнению численности двух долей объектов (людей, событий и т. д.) в совокупности: обладающих и не обладающих некоторым свойством.
ПРИМЕР________________________
Обработка на компьютере: биномиальный критерий
Исходные данные: значения бинарной номинативной переменной (0, 1) определены для каждого члена выборки и представлены одним столбцом.
Выбираем: Analyze (Метод) > Nonparam
Binomial Test
Category
N
Observed Prop.
Test Prop.
Exact Sig. (1-tailed)
Test Statistics
Y
Chi-Square{a) df Asymp. Sig.
13.333 4 .010
a 0 cells (.0%) have expected frequenc
Число градаций больше двух
По сравнению с анализом классификации, специфика применения критерия х2-Пирсона (формула 9.1) к таблицам сопряженности заключается в том, что теоретические частоты рассчитываются отдель
Независимые выборки
Это наиболее часто встречающаяся ситуация применения таблиц 2x2, когда одна группа объектов классифицируется по двум дихотомическим основаниям и проверяется гипотеза о связи этих двух оснований к
Повторные измерения
Структура исходных данных соответствует ситуации, когда одна выборка объектов классифицирована на две группы дважды по одному и тому же основанию. Рассмотрим проверку гипотезы в отношении таких да
КОРРЕЛЯЦИОННЫЙ АНАЛИЗ
Корреляционный анализ — это проверка гипотез о связях между переменными с использованием коэффициентов корреляции. Наиболее распространенные коэффициенты корреляции подробно рассмотрены в
ПАРАМЕТРИЧЕСКИЕ МЕТОДЫ СРАВНЕНИЯ ДВУХ ВЫБОРОК
Сравнение двух выборок по признаку, измеренному в метрической шкале, обычно предполагает сравнение средних значений с использованием параметрического критерия t-Стьюдента. Следует различать
КРИТЕРИЙ Г-СТЬЮДЕНТА ДЛЯ ЗАВИСИМЫХ ВЫБОРОК
Метод позволяет проверить гипотезу о том, что средние значения двух ie-неральных совокупностей, из которых извлечены сравниваемые зависимые выборки, отличаются друг от друга. Допущение зави
Критерий r-Стьюдента для одной выборки.
A) Выбираем Analyze > Compare meansj> One Sample T-Test...
Б) Воткрывшемся окне диалога выделяем и переносим интересующие переменные из левого окна
ОБЩИЕ ЗАМЕЧАНИЯ
К методам сравнения выборок, в соответствии с принятой классификацией1, мы относим способы проверки статистических гипотез о различии выборок по уровню выраженности признака, измеренно
СРАВНЕНИЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Самым популярным и наиболее чувствительным (мощным) аналогом критерия f-Стьюдента для независимых выборок является критерий U-Манна-Уитни (Mann-Whitney U). Непараметрическим его аналогом яв
Обработка на компьютере: критерий (7-Манна-Уитни
Для обработки использованы данные примера 12.1. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно
СРАВНЕНИЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Самым чувствительным (мощным) аналогом критерия f-Стьюдента для зависимых выборок является критерий Т-Вилкоксона (Wilcoxon signed-rank test). Непараметрическим его аналогом является крите
Обработка на компьютере: критерий Г-Вилкоксона
Для обработки использованы данные примера 12.2. Исходные данные для обработки введены в таблицу (Data Editor)в виде двух переменных: varl — «Условие 1»; var2 — «Условие 2».
СРАВНЕНИЕ БОЛЕЕ ДВУХ НЕЗАВИСИМЫХ ВЫБОРОК
Критерий IIКраскала-Уоллеса (Kruskal- Wallis H) является непараметрическим аналогом однофакторного дисперсионного анализа (ANOVA) для независимых выборок, поэтому другое его название —
Обработка на компьютере: критерий Я-Краскала-Уоллеса
Для обработки использованы данные примера 12.3. В таблице исходных данных (Data Editor)для каждого из 16 объектов определены значения двух переменных: varl — значения количественно
СРАВНЕНИЕ БОЛЕЕ ДВУХ ЗАВИСИМЫХ ВЫБОРОК
Критерий %2-Фридмана (Friedman test) является непараметрическим аналогом однофакторного дисперсионного анализа (ANOVA) для повторных измерений. Он позволяет проверять гипотезы о
Обработка на компьютере: критерий х2-Фридмана
Для обработки использованы данные примера 12.4. Исходные данные для обработки введены в таблицу (Data Editor)в виде четырех переменных, соответствующих четырем сравниваемым услови
ОДНОФАКТОРНЫЙ ANOVA
Однофакторный (One-Way) ANOVA позволяет проверить гипотезу о том, что изучаемый фактор оказывает влияние на зависимую переменную (средние значения, соответствующие разным градациям фактора, различ
Условие 122
Так зависит ли запоминание материала от условий его предъявления?
Условие 1
Условие 2
Условие 3
№
Обработка на компьютере
Рассмотрим применение однофакторного ANOVA к данным примера 13.1 Исходные данные для анализа введены в таблицу (Data Editor)в следующем виде:
Descriptives VOSPR
Первая колонка — номера градаций фактора, вторая колонка (N) — численность выборок, Mean — средние значе
Обработка на компьютере
Рассмотрим применение методов множественного сравнения с использованием данных примера 13.1. Применим метод Шеффе для парного сравнения средних и метод контрастов для сравнения третьего уровня фа
Новости и инфо для студентов