Bir başkasının sonucuna göre istatistiksel bir test seçmek (örn. Normalite)

Bu yüzden, bir diğerinin sonucuna dayanarak bir istatistiksel test seçmenin iyi bir fikir olmadığını söylediğini duydum. Bu bana garip geliyor. Örneğin, insanlar diğer bazı testler artıkların normal olarak dağıtılmadığını öne sürdüğünde parametrik olmayan bir test kullanmayı tercih eder. Bu yaklaşım oldukça geniş kabul görüyor ancak bu paragraftaki ilk cümleyle aynı fikirde değil. Sadece bu konuda açıklama almayı umuyordum.

Göz önüne alındığında verileri bu aşırı ya da eğer daha aşırı gözlemleme olasılığıdır doğrudur, o zaman yorumlanması nedir üretilen testin seçiminde yapılan bir şarta karar vardı bir süreç yoluyla ulaşılır bu ? Cevap bilinemez (veya en azından neredeyse neredeyse bilinemez). Testi yürütme kararı alıp almamaya karar vererek, sonuçlarınızın yorumlanmasını daha da karmaşık hale getirdiniz. H 0 p p p p $p$$H_0$$p$$p$$p$$p$Numune boyutu ve analiz planı önceden tamamen seçildiğinde değerler maksimum düzeyde yorumlanabilir. Diğer durumlarda, yorumlar zorlaşır, bu yüzden 'iyi bir fikir değildir'. Bununla birlikte, yaygın olarak kabul gören bir uygulamadır ... sonuçta, çalıştırmayı planladığınız testin geçersiz olduğunu tespit ederseniz neden bir test yapmak için uğraşasınız ki? Bu sorunun cevabı çok daha az kesindir. Tüm bunlar, sıfır hipotez anlamlılık testinin ( birincil kullanım durumu ) aşılması zor bazı problemlere sahip olduğu gerçeğine dayanmaktadır .$p$

Örneğin, insanlar diğer bazı testler artıkların normal olarak dağıtılmadığını öne sürdüğünde parametrik olmayan bir test kullanmayı tercih eder. Bu yaklaşım oldukça geniş kabul görüyor ancak bu paragraftaki ilk cümleyle aynı fikirde değil. Sadece bu konuda açıklama almayı umuyordum.

Evet, birçok insan bu tür bir şey yapar ve ikinci testlerini varyans eşitliğini reddettiklerinde heteroskedastisite ile başa çıkabilecek bir testle değiştirir.

Bir şey yaygın olduğu için mutlaka akıllıca olduğu anlamına gelmez.

Gerçekten de, bazı yerlerde (en kötü rahatsız edici disiplinleri adlandırmayacağım), diğer resmi hipotez testlerine bağlı olan bu resmi hipotez testinin çoğu aslında öğretilmektedir.

Bunu yapmanın sorunu, prosedürlerinizin nominal özelliklerine sahip olmaması, hatta bazen yakın olmamasıdır. (Öte yandan, potansiyel olarak aşırı ihlal için hiç dikkate alınmadan böyle şeyleri varsaymak daha da kötü olabilir.)

Birkaç makale, heteroskedastik vaka için, varyansların test etmek ve sadece reddetme hakkında bir şeyler yapmaktan daha az gibi davranmaktan daha iyi olduğunu düşünüyoruz.

Normallik durumunda daha az açıktır. En azından büyük örneklerde, çoğu durumda normallik o kadar önemli değildir (ancak ironik olarak, büyük örneklerle, normallik testinizin reddedilmesi çok daha olasıdır), normal olmayanlık çok vahşi olmadığı sürece. Bunun bir istisnası, dağıtım varsayımınızın sağa yakın olması için gerçekten ihtiyaç duyduğunuz tahmin aralıklarıdır.

Kısmen, bir problem hipotez testlerinin cevaplanması gerekenden farklı bir soruyu cevaplamasıdır. Gerçekten bilmek gerekmez 'veri gerçekten normaldir' (hemen hemen her zaman, tam olarak normale olmayacak önsel bir ). Soru daha ziyade 'normallik dışılığın kapsamı çıkarımımı ne kadar kötü etkileyecektir'.

İkinci konu genellikle ya örnek büyüklüğünden bağımsızdır ya da artan örnek büyüklüğüyle daha iyi olur - ancak hipotez testleri neredeyse her zaman büyük örnek büyüklüklerinde reddedilir.

Normalde bile tamamen verimli çok yakın olan (ve muhtemelen oldukça mütevazı kalkışlarda potansiyel olarak çok daha verimli) sağlam veya hatta dağıtımsız prosedürlerin olduğu birçok durum vardır - çoğu durumda, aynı ihtiyatlı yaklaşım.

Ana konular başkaları tarafından iyi açıklanmıştır, ancak altta yatan veya ilişkili olan

1. P değerleri için aşırı saygı, istatistiklerde en az bir tür kanıt.

2. İstatistiksel raporların kaçınılmaz olarak, bazıları kesin olarak kanıta dayalı, bazıları daha önceki analizlerin, sezgi, tahmin, yargı, teori vb. Bir karışımına dayanan bir seçim kombinasyonuna dayandığını görmekte isteksizlik.

Diyelim ki ben ve temkinli arkadaşım Test Her şey bir yanıt için bir günlük dönüşümü seçti, ancak bu sonuca fiziksel akıl yürütme ve veri ile önceki deneyimlerin bir karışımını temel alarak atlarım, Test Everything ise Box-Cox testi ve tahminine dayanarak günlük ölçeğini seçti bir parametrenin.

Şimdi ikimiz de aynı çoklu regresyonu kullanıyoruz. P-değerlerimizin farklı yorumları var mı? Bir yorumda, Test Everything'ın P değerleri önceki çıkarımlarına bağlıdır. Ben de çıkarımlar kullandım, ancak çoğunlukla önceki projelerde uzun bir geçmiş grafik, hesaplamalar vb. Bu nasıl rapor edilecek?

Doğal olarak, regresyon sonuçları Test Everything ve kendim için tamamen aynıdır.

Aynı mantıklı tavsiye ve şüpheli felsefe karışımı, öngörücülerin seçimi ve fonksiyonel form için de geçerlidir. Örneğin iktisatçılara, önceki teorik tartışmalara saygı göstermeleri ve her durumda iyi bir sebeple veri gözetlemelerine karşı dikkatli olmaları öğretilir. Ancak en zayıf durumlarda, ilgili teori, daha önce literatürde, muhtemelen bazı ampirik analizlerden sonra yapılan geçici bir öneridir. Ancak literatür referansları, eldeki verilerden öğrenmek şüpheli olsa da, birçok yazar için kutsaldır.