Какой статистический критерий выбрать
Ответьте на вопросы
Что вы хотите выяснить?
Что вы измеряете в каждой группе?
Сколько групп вы сравниваете?
Оба набора измерений сделаны на одних и тех же испытуемых?
Одни и те же испытуемые измеряются в каждом условии?
Как устроены категории?
Есть ли ячейка таблицы с ожидаемой частотой меньше пяти?
Какого типа обе переменные?
Облако точек похоже на прямую, без крайних выбросов?
Какого типа переменная, которую вы хотите предсказать?
По скольким переменным вы предсказываете?
Одновыборочный t-критерий
Проверяет, отличается ли среднее вашей группы от уже известного значения.
Проверьте, примерно ли симметричны данные. Если нет, используйте критерий знаковых рангов Уилкоксона.
t-критерий для независимых выборок
Проверяет, различаются ли средние двух отдельных групп.
Проверьте, примерно ли симметрична каждая группа. Если нет, используйте U-критерий Манна — Уитни.
Парный t-критерий
Проверяет, изменились ли одни и те же испытуемые между двумя измерениями.
Проверьте, примерно ли симметричны разности. Если нет, используйте критерий знаковых рангов Уилкоксона.
Однофакторный дисперсионный анализ
Проверяет, отличается ли хотя бы одна из трёх и более групп от остальных.
Он говорит, что какая-то группа отличается, но не какая, поэтому дальше идёт апостериорное сравнение. Если данные несимметричны, используйте критерий Краскела — Уоллиса.
Дисперсионный анализ с повторными измерениями
Проверяет, изменились ли одни и те же испытуемые в трёх и более условиях.
Проверьте сферичность и внесите поправку, если она нарушена. Ранговая альтернатива — критерий Фридмана.
Критерий хи-квадрат согласия
Проверяет, соответствуют ли наблюдённые частоты ожидаемым долям.
Если категорий всего две, а случаев мало, надёжнее точный биномиальный критерий.
Критерий хи-квадрат независимости
Проверяет, связаны ли две категориальные переменные.
Он говорит, что связь есть, но не насколько она сильна. Сообщайте рядом размер эффекта, например V Крамера.
Точный критерий Фишера
Отвечает на тот же вопрос, что и хи-квадрат, но остаётся корректным при малых частотах.
Применяйте его всякий раз, когда ожидаемая частота падает ниже пяти — именно там хи-квадрат перестаёт быть надёжным.
Критерий Макнемара
Проверяет, сменили ли одни и те же испытуемые категорию между двумя моментами.
Информацию несут только те, кто изменился; оставшиеся прежними в критерий не входят.
Корреляция Пирсона
Измеряет, насколько две числовые переменные близки к линейной зависимости.
Корреляция — не причинность, и один-единственный выброс может её создать или уничтожить. Постройте график, прежде чем доверять числу.
Корреляция Спирмена
Измеряет, растёт ли одна переменная вместе с другой, не требуя прямой линии.
Работает с рангами, поэтому устойчив к выбросам и подходит для порядковых шкал.
Простая линейная регрессия
Строит прямую, которая лучше всего предсказывает одно число по другому.
Посмотрите на остатки: в них не должно быть закономерности. Изгиб в них означает, что прямая — неверная форма.
Множественная линейная регрессия
Предсказывает число сразу по нескольким другим переменным.
Проверьте, не говорят ли предикторы одно и то же: это раздувает коэффициенты и делает их неустойчивыми.
Логистическая регрессия
Предсказывает вероятность исхода «да» или «нет».
Её коэффициенты — это отношения шансов, а не разности вероятностей, и путать одно с другим — обычная ошибка.
Мультиномиальная логистическая регрессия
Предсказывает, в какую из нескольких неупорядоченных категорий попадает наблюдение.
Каждый результат читается относительно опорной категории, поэтому укажите, какую вы выбрали.
Порядковая логистическая регрессия
Предсказывает позицию на упорядоченной шкале, сохраняя порядок в модели.
Она предполагает, что эффект одинаков на каждом пороге шкалы. Проверьте это допущение перед публикацией.
Регрессия Пуассона
Предсказывает, сколько раз что-то происходит за период или в месте.
Она предполагает, что дисперсия равна среднему. Если дисперсия намного больше, используйте отрицательную биномиальную регрессию.
Как понять, достаточно ли мои данные нормальны для t-критерия?
Сначала постройте график. Гистограмма или ящик с усами отвечает быстрее любого критерия, и важна не идеальная нормальность, а примерно симметричная форма без крайних выбросов.
t-критерий к тому же становится терпимее с ростом выборки: лёгкая асимметрия на ста наблюдениях редко является проблемой, а та же на восьми — является. Если сомневаетесь, посчитайте и ранговую альтернативу: если обе согласны, выбор был неважен.
В чём разница между параметрическим и ранговым критерием?
Параметрический критерий работает с самими значениями и предполагает для них форму, обычно близкую к нормальной кривой. Ранговый критерий отбрасывает значения и оставляет только их порядок — поэтому выбросы перестают влиять.
Плата за это в том, что ранговый критерий отвечает на слегка иной вопрос и обладает меньшей мощностью, когда допущение параметрического действительно выполняется. Ни один из них не является более безопасным выбором по умолчанию — это ответы на разные ситуации.
Критерий оказался значимым. Значит ли это, что эффект большой?
Нет. Значение p отвечает на вопрос, трудно ли объяснить результат случайностью, а при достаточно большой выборке даже крошечная разница становится трудно объяснимой случайностью.
Приводите рядом размер эффекта и, если можно, доверительный интервал. Размер говорит читателю, важна ли разница; значение p лишь сообщает, что это, вероятно, не шум.
Заменяет ли это обращение к человеку, который разбирается в статистике?
Нет, и не пытается. Он указывает на выбор, подходящий к форме вашего вопроса, и говорит, какое допущение проверить перед применением.
Настоящие данные приносят то, чего блок-схема не видит: пропуски, испытуемых, измеренных несколько раз, группы очень разного размера, переменные, выбранные уже после взгляда на результаты. Любое из этого может изменить ответ.
Реакции
0
0 Комментарии
Прокомментируйте первым