 |
Disse WINKS-statistikvejledninger forklarer brugen og fortolkningen af statistiske standardanalyseteknikker til medicinsk, farmaceutiske, kliniske forsøg, markedsføring eller videnskabelig forskning. Eksemplerne omfatter vejledninger til WINKS SDA Version 6.0 Software. Download evalueringskopi af WINKS. |
|---|
En almindelig form for videnskabelig eksperimentering er sammenligning af to grupper. Denne sammenligning kan være af to forskellige behandlinger, sammenligning af en behandling med en kontrol, eller en sammenligning før og efter. De foreløbige resultater af eksperimenter, der er udformet med henblik på at sammenligne to grupper, opsummeres normalt i et gennemsnit eller en score for hver gruppe. Når du har opsummeret disse data, hvordan beslutter du så, om de observerede forskelle mellem de to grupper er reelle eller blot en tilfældig forskel forårsaget af den naturlige variation inden for målingerne? En almindelig måde at gribe dette spørgsmål an på er ved at foretage en statistisk analyse.
De to mest udbredte statistiske teknikker til sammenligning af to grupper, hvor gruppernes målinger er normalfordelte, er den uafhængige gruppe t-test og den parvise t-test. Hvad er forskellen mellem disse to test, og hvornår bør de hver især anvendes?
Den uafhængige gruppe t-test er beregnet til at sammenligne gennemsnit mellem to grupper, hvor der er forskellige forsøgspersoner i hver gruppe. Ideelt set er disse forsøgspersoner tilfældigt udvalgt fra en større population af forsøgspersoner og tildelt en af to behandlinger. En anden måde at tildele forsøgspersoner til to grupper er ved at tildele dem tilfældigt en af to behandlinger på det tidspunkt, hvor de deltager i en undersøgelse. Denne randomisering foretages ofte på en dobbeltblind måde.
Suden normalitetsantagelsen er et andet krav til t-testen for uafhængige grupper, at varianserne for de to grupper skal være lige store. Det vil sige, at hvis man plottede de observerede data fra hver af de to grupper, ville de resulterende klokkeformede histogrammer have nogenlunde den samme form. Inden man udfører den uafhængige gruppe t-t-test, udføres der ofte en statistisk prætest for at verificere hypotesen om, at varianserne er lige store. Mulighederne for tilfælde med ulige varians diskuteres senere.
Når dataene er indsamlet, og forudsætningerne for at udføre t-testen er opfyldt, sammenlignes de to gruppers gennemsnit. Matematikken for t-testen kan udføres af et statistisk dataanalyseprogram som f.eks. WINKS. Afgørelsen af, om der er en statistisk signifikant forskel mellem de to gennemsnit, rapporteres som en p-værdi. Hvis p-værdien er under et bestemt niveau (normalt 0,05), konkluderes det typisk, at der er en forskel mellem de to gruppers gennemsnit. Jo lavere p-værdien er, jo større er “beviset” for, at de to gruppers gennemsnit er forskellige. Det er p-værdien, der normalt rapporteres i tidsskriftartikler for at understøtte en forskers hypotese vedrørende de observerede resultater for de to grupper.
Den anden almindeligt anvendte type t-test er den parvise t-t-test. I dette tilfælde er emnerne for de to grupper de samme eller matchede. Det vil sige, at de samme forsøgspersoner observeres to gange, ofte med en vis intervention mellem målingerne. En fordel ved at anvende de samme forsøgspersoner er, at den eksperimentelle variabilitet er mindre end i tilfælde med uafhængige grupper. Forskeren kan f.eks. observere vægt- eller kolesterolniveauer før og efter en behandling. Ved denne test observeres og sammenlignes den gennemsnitlige forskel mellem de to gentagne observationer. Hvis forskellen er tilstrækkelig stor, er der bevis for, at behandlingen har forårsaget en ændring i den observerede variabel. Der udføres en parret t-test, og den observerede forskel mellem grupperne opsummeres i en p-værdi.
Fordelene ved at udføre en t-test er, at den er let at forstå og generelt let at udføre. Men det faktum, at disse test er så udbredte, gør dem ikke til den korrekte analyse til alle sammenligninger. Der er et par forbehold, som du bør være opmærksom på, før du udfører disse test. Som tidligere nævnt bør der f.eks. i Independent Group t-testet, hvis varianserne ikke er lige store, udføres en variansstabiliserende transformation eller en modifikation af t-testet normalt Welchs t-test (en t-test for ulige varianser.) Denne version af Independent group t-testet tager hensyn til forskellene i varianserne og justerer p-værdien i overensstemmelse hermed. Hvis dataene for en af testene ikke er normalfordelte, kan det være nødvendigt at anvende en anden form for sammenligningstest – en ikke-parametrisk test. I tilfælde af uafhængige grupper er den ikke-parametriske test, der normalt anvendes, Mann-Whitney-testen. For parrede data, der ikke er normalfordelte, anvendes normalt Wilcoxen signed-rank-testen. Alle disse test er tilgængelige i WINKS.
Dertil kommer, at forskere nogle gange begår den fejl at udføre flere t-test, når der er mere end to grupper i deres undersøgelse. Denne fremgangsmåde ødelægger betydningen af p-værdien og resulterer i fejlagtige konklusioner om dataene. I stedet for flere t-tests findes der andre statistiske metoder til analyse af flere grupper, nemlig variansanalysen.
Den beslutning om, hvilken sammenligningstest der skal anvendes til en bestemt analyse, er af afgørende betydning for at træffe uvildige og korrekte beslutninger om dine forskningsresultater. Faglige artikler bliver ofte afvist, når der udføres uhensigtsmæssige test på forskningsdata. Derfor bør du vælge dine analyser med omhu og konsultere en professionel statistiker, hvis du er i tvivl om, hvilken type analyse du skal bruge.
VINSTER SDA Data Analytics Software Prisbillig software til prædiktiv analyse inden for sundhed, videnskab, erhvervsliv og offentlige myndigheder
Gratis forsendelse i en begrænset periode…
Bedste værdi for et statistik-softwareprogram, der starter ved 75 dollars for download-versionen. (Mindre for studenterudgaver.)
WINKS
Statistiksoftware
Pålidelig. Relevant. Prisbillig.
www.texasoft.com
Vi garanterer, at WINKS opfylder dine statistiske behov – eller du får pengene tilbage! (returner inden for 30 dage for fuld refusion.)
|Tutorial Index |WINKS Software |BeSmartNotes |
Skriv et svar