Tüm bireysel özetliyor nesi yanlış -değerlerine?p
@Whuber ve @Glen_b yorumlarda iddia gibi, Fisher'in yöntem esasen tüm bireysel çarpımı olduğunu -değerlerine ve olasılıkları çarparak eklemeden başka yapacak daha doğal bir şeydir.p
Hâlâ tek edebilir onları ekleyin. Aslında, tam olarak bu, Edgington (1972) tarafından önerilmiştir. Olasılık değerlerini bağımsız deneylerden (ödeme duvarı altında) birleştirmek için ek bir yöntemdir ve bazen Edgington yöntemi olarak adlandırılır. 1972 tarihli yazı, iddiada bulunarak sona erdi
Katkı maddesi yönteminin, çarpma yönteminden daha güçlü olduğu, aslında tedavi etkileri olduğunda, çarpma yönteminden çok sayıda sonuç veren daha büyük olasılıklara sahip olduğu gösterilmiştir.
ancak yöntemin nispeten bilinmeyen kaldığı göz önüne alındığında, bunun en azından bir aşırı basitleştirme olduğundan şüpheleniyorum. Örneğin, yeni bir genel bakış Kuzenler (2008) Önemleri veya p-Değerlerini Birleştirmeye İlişkin Bazı Makalelerin Açıklamalı Bibliyografyası Edgington'un yönteminden hiç bahsetmiyor ve bu terimin CrossValidated'de de hiç bahsedilmediği görülüyor.
Birleşmek için çeşitli yollar ile gelmek kolaydır (keresinde biriyle kendim gelip onu hiç kullanılmamış neden istedi:-değerlerine Stouffer'ın Z-skor yöntemi: biz Özetle ne olur yerine ? ), ve daha iyi bir yöntem nedir, büyük ölçüde ampirik bir sorudur. Belirli bir durumda iki farklı yöntemin istatistiksel gücünün ampirik olarak karşılaştırılması için lütfen @ whuber'in cevabına bakınız; açık bir kazanan var.z 2 zpz2z
Bu nedenle, herhangi bir "kıvrımlı" yöntemi kullanmanın neden hakkında genel soruya cevap verilmesi, kişinin güç kazanabilmesidir.
Zaykin ve arkadaşları (2002) P-değerlerini birleştirmek için Kesilmiş Ürün Yöntemi bazı simülasyonları çalıştırır ve karşılaştırmada Edgington'un yöntemini içerir, ancak sonuçlardan emin değilim.
Tüm bu yöntemleri görselleştirmenin bir yolu , @Elvis'in güzel cevabında (+1) yaptığı gibi, için reddetme bölgeleri çizmektir. Açıkça bir şekilde Edgington'ın bir poster gibi görünen yöntemini içeren bir başka rakam Winkler ve arkadaşları (2013) Çok Modlu Görüntüleme Analizleri için Parametrik Olmayan Kombinasyon :n=2
Bunları söyledikten sonra, hala Edgington'un yönteminin (genellikle?) Neden belirsiz olduğu konusunda yetersiz olduğuna dair bir soru olduğunu düşünüyorum.
Belki de belirsizliğin bir nedeni, sezgilerimize çok iyi uymamasıdır: , eğer (veya daha yüksekse) değeri ne olursa olsun , birleştirilmiş boş reddedilmeyecek , örneğin olsa bile .p 1 = 0,4 p 2 α = 0,05 p 2 = 0,00000001n=2p1=0.4p2α=0.05p2=0.00000001
Daha genel olarak, -değerlerinin toplanması, örneğin, gibi çok küçük sayıları , çok az ayırmaktadır , ancak bu olasılıklardaki fark aslında çok büyüktür.p = 0.001 p = 0.00000001pp=0.001p=0.00000001
Güncelleme. Hedges ve Olkin'in Edgintgon'un yöntemi hakkında ( -değerlerini birleştirmek için diğer yöntemleri inceledikten sonra ) Meta Analiz için İstatistiksel Yöntemlerinde (1985) yazdığı şey :p
Edgington (1972a, b) tarafından oldukça farklı bir birleşik test prosedürü önerilmiştir. Edgington birleştirilmesi önerilmiştir toplamı alarak-değerlerine ve için önemi seviyelerinin elde edilmesi için bir sıkıcı, ancak basit bir yöntem elde . Edgington'da (1972b) anlamlılık seviyelerine geniş bir örnek yaklaşımı verilmiştir. Bir monoton kombinasyon işlemdir ve bu nedenle kabul edilebilir olmasına rağmen, Edgington yöntemi genellikle bir büyük beri fakir bir prosedür olduğu düşünülmektedir -değeri istatistik oluşturmak çok sayıda küçük değerleri mahçup olabilir. Bununla birlikte, bu prosedürle ilgili neredeyse hiçbir sayısal araştırma yapılmamıştır.S = p 1 + ⋯ + p k , S S pp
S=p1+⋯+pk,
SSp