Jak mogę uzyskać znaczącą ogólną ANOVA, ale bez istotnych różnic par w procedurze Tukeya?


18

Wystąpiłem z AN ANĄ R i dostałem znaczące różnice. Jednak podczas sprawdzania, które pary były znacząco różne za pomocą procedury Tukeya, nie dostałem żadnej z nich. Jak to możliwe?

Oto kod:

fit5_snow<- lm(Response ~ Stimulus, data=audio_snow)
anova(fit5_snow)

> anova(fit5_snow)
Analysis of Variance Table

Response: Response
          Df Sum Sq Mean Sq F value  Pr(>F)  
Stimulus   5  73.79 14.7578  2.6308 0.02929 *
Residuals 84 471.20  5.6095                  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

df<-df.residual(fit5_snow)
MSerror<-deviance(fit5_snow)/df

comparison <-  HSD.test(audio_snow$Response, audio_snow$Stimulus, df, MSerror, group=FALSE)

> comparison <-  HSD.test(audio_snow$Response, audio_snow$Stimulus, df, MSerror, group=FALSE)

Study:

HSD Test for audio_snow$Response 

Mean Square Error:  5.609524 

audio_snow$Stimulus,  means

                audio_snow.Response   std.err replication
snow_dry_leaves            4.933333 0.6208034          15
snow_gravel                6.866667 0.5679258          15
snow_metal                 6.333333 0.5662463          15
snow_sand                  6.733333 0.5114561          15
snow_snow                  7.333333 0.5989409          15
snow_wood                  5.066667 0.7713110          15

alpha: 0.05 ; Df Error: 84 
Critical Value of Studentized Range: 4.124617 

Comparison between treatments means

                              Difference   pvalue sig        LCL      UCL
snow_gravel - snow_dry_leaves  1.9333333 0.232848     -0.5889913 4.455658
snow_metal - snow_dry_leaves   1.4000000 0.588616     -1.1223246 3.922325
snow_sand - snow_dry_leaves    1.8000000 0.307012     -0.7223246 4.322325
snow_snow - snow_dry_leaves    2.4000000 0.071587   . -0.1223246 4.922325
snow_wood - snow_dry_leaves    0.1333333 0.999987     -2.3889913 2.655658
snow_gravel - snow_metal       0.5333333 0.989528     -1.9889913 3.055658
snow_gravel - snow_sand        0.1333333 0.999987     -2.3889913 2.655658
snow_snow - snow_gravel        0.4666667 0.994348     -2.0556579 2.988991
snow_gravel - snow_wood        1.8000000 0.307012     -0.7223246 4.322325
snow_sand - snow_metal         0.4000000 0.997266     -2.1223246 2.922325
snow_snow - snow_metal         1.0000000 0.855987     -1.5223246 3.522325
snow_metal - snow_wood         1.2666667 0.687424     -1.2556579 3.788991
snow_snow - snow_sand          0.6000000 0.982179     -1.9223246 3.122325
snow_sand - snow_wood          1.6666667 0.393171     -0.8556579 4.188991
snow_snow - snow_wood          2.2666667 0.103505     -0.2556579 4.788991

Czy możesz podać dane?
ttnphns

1
Znalazłem odpowiedź na to późniejsze pytanie stats.stackexchange.com/questions/74174/… (oznaczone jako duplikowanie tego wątku) szczególnie pomocne.
ameba mówi Przywróć Monikę

Odpowiedzi:


2

Dlaczego to nie powinno być możliwe?

Test ogólny i testy parami zadają różne pytania, aby uzyskać różne odpowiedzi.


1
Czy mógłbyś powiedzieć coś więcej?
rolando2,

2
Ogólna ANOVA zadaje pytanie o całą zmienną niezależną i jej związek (lub jej brak) ze zmienną zależną. Porównania parami pytają o różnice między parami. Następnie wartość p patrzy na sig statystyczny. każdego z nich, z parą skorygowaną dla wielu porównań (w tym przypadku przy użyciu metod HSD Tukeya).
Peter Flom - Przywróć Monikę

1
dzięki Peter. Być może mniej zadają „inne pytania”, a więcej korekty dla wielu porównań, które uwzględniają inny wynik.
rolando2,

17

Wynika to głównie z czułości ANOVA (większej niż czułość testu parami). Następnie ANOVA wykrywa niższą zmienność wokół średniej, gdy test parowy ledwo rozróżnia średnią między parą. Analiza musi koncentrować się na różnicach, a Ty możesz być bardziej elastyczny w analizie post-hoc, pamiętając, że właśnie zauważyłeś, że istnieją różnice w średniej. Pamiętaj, aby sprawdzić założenia ANOVA.

Z drugiej strony istnieją pewne tematy dotyczące stosowania testu parami bez użycia ANOVA: Czy potrzebujemy testu globalnego przed testami post hoc?


Zdecydowanie nie trzeba przeprowadzać globalnego testu przed porównaniem HSD Tukeya, ponieważ HSD kontroluje współczynnik błędów typu I. Nienawidzę jednak nazywać ich post-hocami, ponieważ należy je planować z góry.
David Lane
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.