 |
Te samouczki statystyczne WINKS wyjaśniają użycie i interpretację standardowych technik analizy statystycznej dla Medical, farmaceutycznych, badań klinicznych, badań marketingowych i naukowych. Przykłady zawierają instrukcje obsługi oprogramowania WINKS SDA w wersji 6.0. Pobierz kopię ewaluacyjną WINKS. |
|---|
Powszechną formą eksperymentu naukowego jest porównanie dwóch grup. To porównanie może być z dwóch różnych zabiegów, porównanie leczenia do kontroli, lub przed i po porównaniu. Wstępne wyniki eksperymentów, które są przeznaczone do porównania dwóch grup są zwykle podsumowane w środki lub wyniki dla każdej grupy. Po podsumowaniu tych danych, jak zdecydować, czy zaobserwowane różnice między dwiema grupami są prawdziwe, czy tylko przypadkowe, spowodowane naturalną zmiennością pomiarów? Powszechnym sposobem podejścia do tego pytania jest wykonanie analizy statystycznej.
Dwie najczęściej stosowane techniki statystyczne do porównywania dwóch grup, w których pomiary grup mają rozkład normalny, to test t dla grup niezależnych i test t dla grup sparowanych. Jaka jest różnica między tymi dwoma testami i kiedy każdy z nich powinien być używany?
Test t dla grup niezależnych jest przeznaczony do porównywania średnich między dwiema grupami, w których są różne osoby w każdej grupie. W idealnym przypadku osoby te są losowo wybrane z większej populacji osób i przydzielone do jednej z dwóch metod leczenia. Innym sposobem przypisania uczestników do dwóch grup jest losowe przydzielenie ich do jednej z dwóch metod leczenia w momencie rozpoczęcia badania. Ta randomizacja jest często wykonywana w sposób podwójnie ślepy.
Poza założeniem normalności, innym wymaganiem testu t dla grup niezależnych jest to, że wariancje dwóch grup są równe. Oznacza to, że gdybyśmy mieli wykreślić obserwowane dane z każdej z dwóch grup, otrzymane histogramy w kształcie dzwonu miałyby w przybliżeniu taki sam kształt. Przed przeprowadzeniem testu t dla grup niezależnych często wykonuje się wstępny test statystyczny w celu zweryfikowania hipotezy, że wariancje są równe. Opcje dla przypadku nierównych wariancji są omówione później.
Gdy dane są zebrane i założenia do wykonania testu t są spełnione, średnie dwóch grup są porównywane. Obliczenia matematyczne dla testu t mogą być wykonane przez programy do analizy danych statystycznych, takie jak WINKS. Określenie, czy istnieje statystycznie istotna różnica między dwiema średnimi, jest podawane jako wartość p-value. Zazwyczaj, jeśli wartość p jest poniżej pewnego poziomu (zwykle 0,05), wniosek jest taki, że istnieje różnica między dwiema średnimi dla grup. Im niższa wartość p-value, tym większy „dowód” na to, że dwie średnie grupowe są różne. Jest to wartość p, która jest zwykle podawana w artykułach w czasopismach w celu wsparcia hipotezy badaczy dotyczącej obserwowanych wyników dla dwóch grup.
Innym powszechnie stosowanym rodzajem testu t jest test t sparowanych. W tym przypadku przedmioty dla dwóch grup są takie same lub dopasowane. Oznacza to, że te same osoby są obserwowane dwukrotnie, często z pewną interwencją pomiędzy pomiarami. Jedną z zalet stosowania tych samych osób jest to, że zmienność eksperymentalna jest mniejsza niż w przypadku grupy niezależnej. Na przykład, badacz może obserwować wagę lub poziom cholesterolu przed i po zastosowaniu leczenia. W przypadku tego testu obserwuje się i porównuje średnią różnicę pomiędzy dwoma powtarzającymi się obserwacjami. Jeśli różnica jest wystarczająco duża, istnieje dowód na to, że leczenie spowodowało jakąś zmianę w obserwowanej zmiennej. Wykonywany jest sparowany test t, a zaobserwowana różnica między grupami jest podsumowywana wartością p.
Zaletą wykonania testu t jest to, że jest on łatwy do zrozumienia i ogólnie łatwy do wykonania. Jednak fakt, że testy te są tak powszechnie stosowane, nie czyni ich właściwą analizą dla wszystkich porównań. Istnieje kilka zastrzeżeń, których należy być świadomym przed wykonaniem tych testów. Jak wspomniano wcześniej, na przykład w teście t dla grupy niezależnej, jeśli wariancje nie są równe, należy przeprowadzić transformację stabilizującą wariancję lub zmodyfikować test t, zazwyczaj stosując test t Welcha (test t dla nierównych wariancji). Ta wersja testu t dla grupy niezależnej uwzględnia różnice w wariancjach i odpowiednio dostosowuje wartość p. Jeśli dane dla któregokolwiek z testów nie mają rozkładu normalnego, konieczne może być zastosowanie innego rodzaju testu porównawczego – testu nieparametrycznego. W przypadku grup niezależnych, testem nieparametrycznym jest zazwyczaj test Manna-Whitneya. W przypadku danych sparowanych, które nie mają rozkładu normalnego, zwykle wykonuje się test Wilcoxena. Wszystkie te testy są dostępne w programie WINKS.
Co więcej, czasami badacze popełniają błąd wykonując wielokrotne testy t, gdy w ich badaniach występują więcej niż dwie grupy. Takie podejście niszczy znaczenie p-wartości i prowadzi do błędnych wniosków na temat danych. Zamiast wielokrotnych testów t istnieją inne podejścia statystyczne do analizy wielu grup, a mianowicie podejście analizy wariancji.
Decyzja o tym, jakiego testu porównawczego użyć do konkretnej analizy, ma istotne znaczenie dla podejmowania bezstronnych i poprawnych decyzji dotyczących wyników badań. Profesjonalne prace są często odrzucane, gdy na danych badawczych wykonywane są nieodpowiednie testy. Dlatego należy starannie dobierać analizy i konsultować się z profesjonalnym statystykiem, jeśli istnieją jakiekolwiek wątpliwości co do tego, jakiego rodzaju analizy należy użyć.
WINKS SDA Data Analytics Software Affordable Software for Predictive Analytics in Health, Science, Business, and Government
Free Shipping for a limited time…
Najlepsza wartość dla programu do statystyki, zaczynająca się od 75$ za wersję do pobrania. (Mniej dla edycji studenckich.)
WINKS
Oprogramowanie statystyczne
Reliable. Istotne. Affordable.
www.texasoft.com
Gwarantujemy, że WINKS spełni Twoje potrzeby w zakresie statystyki — lub zwrot pieniędzy! (zwrot w ciągu 30 dni dla pełnego zwrotu pieniędzy.)
|Tutorial Index |WINKS Software |BeSmartNotes |
Dodaj komentarz