Điều gì là sai với việc tổng hợp tất cả các giá trị riêng lẻ ?p
Khi @whuber và @Glen_b tranh luận trong các bình luận, phương pháp của Fisher về cơ bản là nhân tất cả các giá trị riêng lẻ và nhân xác suất là một điều tự nhiên hơn so với việc thêm chúng.p
Vẫn có thể thêm chúng lên. Trên thực tế, chính xác điều này đã được Edgington (1972) đề xuất Một phương pháp cộng gộp để kết hợp các giá trị xác suất từ các thí nghiệm độc lập (dưới tường trả tiền), và đôi khi được gọi là phương pháp của Edgington. Bài báo năm 1972 kết luận rằng
Phương pháp cộng gộp được chứng minh là mạnh hơn phương pháp nhân, có xác suất lớn hơn phương pháp nhân cho kết quả có ý nghĩa khi thực sự có hiệu quả điều trị.
nhưng cho rằng phương pháp này vẫn chưa được biết đến, tôi nghi ngờ rằng đây ít nhất là một sự đơn giản hóa. Ví dụ, một tổng quan gần đây Anh em họ (2008) Tài liệu tham khảo chú thích của một số giấy tờ về kết hợp các ý nghĩa hoặc giá trị p hoàn toàn không đề cập đến phương pháp của Edgington và dường như thuật ngữ này chưa bao giờ được đề cập trên CrossValidated.
Thật dễ dàng để đưa ra nhiều cách kết hợp giá trị (Tôi đã từng tự mình nghĩ ra một câu hỏi và tại sao nó không bao giờ được sử dụng: Phương pháp điểm Z của Stouffer: nếu chúng ta tính thay vì ? ), sao? và phương pháp nào tốt hơn phần lớn là một câu hỏi thực nghiệm. Vui lòng xem câu trả lời của @ whuber ở đó để so sánh theo kinh nghiệm về sức mạnh thống kê của hai phương pháp khác nhau trong một tình huống cụ thể; có một người chiến thắng rõ ràng.pz2z
Vì vậy, câu trả lời cho câu hỏi chung về lý do tại sao sử dụng bất kỳ phương pháp "phức tạp" nào, là người ta có thể đạt được sức mạnh.
Zaykin et al (2002) Phương pháp sản phẩm rút gọn để kết hợp giá trị p chạy một số mô phỏng và bao gồm phương pháp của Edgington trong so sánh, nhưng tôi không chắc chắn về kết luận.
Một cách để hình dung tất cả các phương pháp như vậy là vẽ các vùng loại bỏ cho , như @Elvis đã làm trong câu trả lời hay của anh ấy (+1). Đây là một con số khác bao gồm rõ ràng phương pháp của Edgington từ những gì dường như là một poster Winkler et al (2013) Kết hợp không tham số để phân tích hình ảnh đa phương thức :n=2
Đã nói tất cả những điều đó, tôi nghĩ vẫn còn một câu hỏi về lý do tại sao phương pháp của Edgington (thường?) Sẽ không tối ưu, như sau khi nó bị che khuất.
Có lẽ một lý do cho sự tối nghĩa là nó không phù hợp với trực giác của chúng tôi: vì , nếu (hoặc cao hơn) thì cho dù giá trị của là gì, null kết hợp sẽ không bị từ chối tại , đó là ngay cả khi ví dụ .p 1 = 0,4 p 2 α = 0,05 p 2 = 0,00000001n=2p1=0.4p2α=0.05p2=0.00000001
Tổng quát hơn, tổng giá trị hầu như không phân biệt các số rất nhỏ như ví dụ với , nhưng sự khác biệt trong các xác suất này thực sự rất lớn.p = 0,001 p = 0,00000001pp=0.001p=0.00000001
Cập nhật. Dưới đây là những gì Hedges và Olkin viết về phương pháp của Edgintgon (sau khi xem xét các phương pháp khác để kết hợp giá trị ) trong Phương pháp thống kê để phân tích tổng hợp (1985), nhấn mạnh của tôi:p
Một thủ tục kiểm tra kết hợp khá khác nhau đã được đề xuất bởi Edgington (1972a, b). Edgington đề xuất kết hợp -values bằng cách lấy tổng và đã đưa ra một phương pháp đơn giản nhưng tẻ nhạt để đạt được mức ý nghĩa cho . Một xấp xỉ mẫu lớn với các mức ý nghĩa của được đưa ra trong Edgington (1972b). Mặc dù nó là một thủ tục kết hợp đơn điệu và do đó được chấp nhận, nhưng phương pháp của Edgington thường được cho là một thủ tục kém vì một giá trị lớn có thể áp đảo nhiều giá trị nhỏ tạo ra thống kê. Tuy nhiên, gần như không có cuộc điều tra số nào về thủ tục này.S = p 1 + ⋯ + p k , S S pp
S=p1+⋯+pk,
SSp