Sizin durumunuzda, t-testi büyük olasılıkla Tip I hata oranı açısından sağlam olacak, ancak Tip II hata oranı açısından sağlam değildir. Muhtemelen a) Kruskal-Wallis testi ya da b) t-testinden önce normalize edici bir dönüşümle daha fazla güç elde edersiniz.
Bu sonucu iki Monte Carlo çalışmasına dayandırıyorum. İlkinde ( Khan & Rayner, 2003 ), çarpıklık ve kurtozis g-ve-k dağılım ailesinin parametreleri ile dolaylı olarak manipüle edildi ve ortaya çıkan güç incelendi. Önemli olarak, Kruskal-Wallis testinin gücü, normalde olmamakla, özellikle n> = 15 için daha az zarar görmüştü.
Bu çalışma hakkında birkaç uyarı / nitelik: Güç, yüksek kurtozis nedeniyle sıklıkla zarar görmüştür, ancak çarpıklıktan daha az etkilenmiştir. İlk bakışta, bu model kurtosis değil, çarpıklık ile ilgili bir sorun olduğunu belirttiğiniz durumla daha az alakalı görünebilir. Bununla birlikte, sizin durumunuzda aşırı kurtosisin de aşırı olduğunu iddia ediyorum. Aşırı kurtozun en az eğriltme ^ 2 - 2 kadar yüksek olacağını aklınızda bulundurun (Aşırı kurtozun 4. standardize edilmiş moment eksi 3'e eşit olmasına izin verin, böylece aşırı kurtoz = normal dağılım için 0 olmalıdır.) Ayrıca, Han ve Rayner'ın ( 2003) 3 gruplu ANOVA'ları inceledi, ancak sonuçlarının iki örneklemli bir t-testine genellenmesi muhtemel.
İkinci bir ilgili çalışma ( Beasley, Erikson ve Allison, 2009) Chi-square (1) ve Weibull (1, 5) gibi normal olmayan dağılımlara sahip Tip I ve Tip II hatalarını inceledi. En az 25 numune büyüklüğü için t testi, Tip I hata oranını nominal alfa seviyesinin altında veya altında bir seviyede kontrol etti. Bununla birlikte, güç Kruskal-Wallis testi veya t-testinden önce uygulanan Sıra tabanlı Ters Normal dönüşüm (Blom skorları) ile en yüksek seviyedeydi. Beasley ve meslektaşları genellikle normalleştirme yaklaşımına karşı savundu, ancak normalleştirme yaklaşımının n> = 25 için Tip I hata oranını kontrol ettiği ve gücünün bazen Kruskal-Wallis testininkinden biraz aştığı belirtilmelidir. Yani normalleştirme yaklaşımı durumunuz için umut verici görünüyor. Ayrıntılar için makalelerinde tablo 1 ve 4'e bakınız.
Referanslar:
Khan, A. ve Rayner, GD (2003) . Çok örneklemli lokasyon problemi için normal testlerin normal olmamalarına karşı sağlamlık. Uygulamalı Matematik ve Karar Bilimleri Dergisi, 7 , 187-206.
Beasley, TM, Erickson, S. ve Allison, DB (2009) . Rütbe bazlı ters normal dönüşümler giderek daha fazla kullanılmaktadır, ancak bunlar haklı mıdır? Davranış Genetiği, 39 , 580-595.