Hepsi ailede; ama yasaları da ekliyoruz?

İki veya daha fazla faktör içeren bir denem olduğunu varsayalım. Genel bir ANOVA oluşturulur ve sonra iki veya daha fazla post hoc test seti ile takip ederiz , çoklu karşılaştırmalar diyoruz. Benim sorum, bu post hoc testlerin çokluk ayarlamaları için temel olarak ne kadar büyük - ve kaç --- ailelerin kullanılması gerektiğidir .

Bir örnek, Tukey'in EDA kitabındaki çözgü veri kümesidir. İki faktör vardır: wool(iki seviyede) ve tension(üç seviyede). ANOVA tablosu:

Source       Df Sum Sq Mean Sq F value    Pr(>F)    
wool          1  450.7  450.67  3.7653 0.0582130
tension       2 2034.3 1017.13  8.4980 0.0006926
wool:tension  2 1002.8  501.39  4.1891 0.0210442
Residuals    48 5745.1  119.69  

Açıkçası, etkileşim modelde gereklidir. Bu yüzden, diğer faktörleri sabit tutarak her bir faktörün seviyelerini karşılaştırmaya karar veriyoruz. Sonuçlar aşağıdadır ve bazı ek açıklamalara daha sonra değinilecektir:

*** Pairwise comparisons of tension for each wool ***
*** All combined: Family T ***

wool = A:   *** Family T|A ***
 contrast   estimate       SE df t.ratio
 L - M    20.5555556 5.157299 48   3.986
 L - H    20.0000000 5.157299 48   3.878
 M - H    -0.5555556 5.157299 48  -0.108

wool = B:   *** Family T|B ***
 contrast   estimate       SE df t.ratio
 L - M    -0.5555556 5.157299 48  -0.108
 L - H     9.4444444 5.157299 48   1.831
 M - H    10.0000000 5.157299 48   1.939


*** Comparison of wool for each tension ***
*** All combined: Family W ***

tension = L:   *** Family W|L ***
 contrast  estimate       SE df t.ratio
 A - B    16.333333 5.157299 48   3.167

tension = M:   *** Family W|M ***
 contrast  estimate       SE df t.ratio
 A - B    -4.777778 5.157299 48  -0.926

tension = H:   *** Family W|H ***
 contrast  estimate       SE df t.ratio
 A - B     5.777778 5.157299 48   1.120

Bence orada farklı uygulamalar var ve hangisinin en yaygın olduğunu ve insanların her bir yaklaşım için ya da her bir yaklaşım karşısında hangi argümanları yapacağını merak ediyorum. Ayarlanmış değerlerini hesaplarken, aşağıdakiler için çokluk ayarlamaları yapmalıyız ...$P$

1. en küçük beş ailenin (T | A, T | B, ..., W | H) her biri ayrı ayrı mı? (Not - son 3 ailenin sadece bir testi vardır, bu nedenle bunlar için çokluk ayarlaması yapılmaz)
2. büyük ailelerin her biri (T, 6 test ve W, 3 test) ayrı mı?
3. herşey $6+3=9$ büyük bir aile olarak kabul edilir mi?

Hem insanların genellikle ne yaptıklarıyla (bu konuda fazla düşünmemiş olsalar bile) hem de neden (varsa) ile ilgileniyorum. Bahsetebileceğim birkaç şey:

• 3 tane var $F$ANOVA tablosundaki testler. Kimsenin ANOVA testlerinde çokluk ayarlamasını düşündüğünü hatırlamıyorum. Durum buysa ve seçenek (3) 'ü öneriyorsanız, tutarsız mısınız?
• Tüm testlerin daha az güçlü olduğu biraz daha küçük bir deney yapmış olsaydık, etkileşimin önemli olmadığı ve sadece marjinal araçların çok daha az sayıda post hoc karşılaştırmasına yol açması mümkündür. Ayrıca, marjinal vasıtalar daha büyük deneyde hücre vasıtalarından daha küçük SE'lere sahip olabilir. Ek olarak, çokluk ayarlaması daha az muhafazakârsa, daha fazla veriyle elde ettiğimizden daha az veriyle daha "anlamlı" sonuçlar elde edebiliriz.

İnsanların söylediklerini görmekle ilgileniyorum ...

Henüz kimse cevap vermedi, bu yüzden bu konuda bir çatlak alacağım.

Benim fikrim (ve diğerlerinin düşüncelerini duymak isterim) bu durumda tam 9 test için ayarlamanız gerekir. Aile boyu hata oranı düzeltmesi kullandığımızı varsayarsak,

• Aynı anda 9 testten de sonuç çıkarıyoruz. Listeyi tarar ve önemli bir şey bulacağınızı görürüm.

• Bunu yapabilmek için, genel olarak % 5'lik bir aile içi hata oranı düşünüyoruz. Alternatif, grupları bireysel olarak% 5 FWER'a düzeltmek olacaktır. Bu, yorum yaparken, testleri birlikte yorumlayamadığımız ve ilk 6 teste bakmayı ve% 5 yanlış pozitif şansı olduğunu düşünmek zorunda kalacağımız ve daha sonra diğer testlerin her birini sırayla inceleyerek her grup için % 5 yanlış pozitif olma şansı vardır . IMO çoklu test düzeltmesinin faydası, aynı anda birden fazla testten çıkarım yapabilmemizdir. 9 testin hepsine bakmamız ve bunları ayrı ayrı incelemek yerine% 5 yanlış pozitif şansı olduğunu bilmemiz daha mantıklı görünüyor, hiç düzeltmemeye benzer.

• Üç kişi için ayarlama sorunu $F$- ANOVA'daki testler ilginçtir, ancak bence sadece sadece önemli tahmincileri kabul ettiğiniz bazı model seçimi yapmayı planlıyorsanız geçerlidir. Bu iyi bir okuma olabilir, özellikle sonuç çok özlü ve mükemmel bir okumadır. Bu bağlantıyı bu sorudan çaldım .

• Etkileşim efektlerinin dahil edilmesine ilişkin noktanız ilginç ve bence bunu model seçimi olarak tanımlayabilirsiniz. Önemli olsaydı etkileşim etkilerini dahil eder miydiniz? Bu durumda belki$F$ Önemli ANOVA'daki istatistikler, anlamlı yordayıcıların seçimini kolaylaştırmak için ayarlanmalıdır.

Genel olarak, bir gruptan eşzamanlı çıkarım yapıyorsanız, o gruptaki her testi düzeltme için düşünmeniz gerektiğini düşünüyorum. Aksi takdirde, kontrollü grup hata oranının standart anlayışı geçerli değildir ve neyin ayarlandığını ve neyin ayarlanmadığını kavramsal olarak takip etmek oldukça zordur. Bence tüm testleri sorumlu tutmak ve ailevi hata oranını belirli bir eşikte tutmak çok daha iyi.

Herhangi bir itirazınız varsa, onları duymak isterim ve eminim bazı insanlar burada bazı şeylere katılmayacaktır. Başkalarının düşüncelerini duymakla çok ilgileniyorum.