Bonferroni hay Tukey? Khi nào số lượng so sánh trở nên lớn?

Đọc số liệu thống kê khám phá của trường sử dụng SPSS (Ấn bản thứ 3) Tôi đã bị ấn tượng một chút về các bài kiểm tra sau đại học trong ANOVA. Đối với những người muốn kiểm soát tỷ lệ lỗi Loại I, ông đề xuất Bonferroni hoặc Tukey và nói (trang 374):

Bonferroni có nhiều sức mạnh hơn khi số lượng so sánh nhỏ, trong khi Tukey mạnh hơn khi thử nghiệm số lượng lớn phương tiện.

Trường hợp nên được vẽ giữa một số lượng nhỏ và lớn phương tiện?

— Parbury
nguồn

Ở dưới cùng của trang Web sau từ NIST / Sematech, itl.nist.gov/div898/handbook/prc/section4/prc473.htmlm,it được khuyến nghị rằng cả hai bài kiểm tra nên được thực hiện trước và hai bài kiểm tra nhỏ hơn. Tôi đã tìm thấy những nhận xét tương tự ở Johnson và Wicotta khi thực hiện MANOVA.

— schenectady

@schenectady Câu trả lời hay! Tại sao bạn không dán nó vào một câu trả lời? BTW, liên kết bị hỏng trong bình luận của bạn; cái đúng là itl.nist.gov/div898/handbook/prc/section4/prc473.htm .

— whuber

Điểm ngắn gọn đầu tiên: Sức mạnh liên quan trực tiếp đến tỷ lệ lỗi Loại II, không phải Loại I. Bây giờ hãy tha thứ cho tôi nhưng tôi sẽ tiết lộ một số ý kiến. Có thể những gì bạn đang làm được coi là "chơi game hệ thống", cố gắng gian lận nó để có nhiều kết quả hơn được phân loại là sig. hay vô nghĩa.? Các phán đoán nhị phân này ít thông tin hơn và có khả năng gây hiểu lầm nhiều hơn nhiều so với các báo cáo về kích cỡ hiệu ứng thực tế - trong trường hợp của bạn, liên quan đến sự khác biệt của nhóm về phương tiện. Tôi muốn thấy mọi người sử dụng giá trị p để trang trí kết quả hơn là để cấu trúc chúng. Kết thúc biên tập - tranh luận đi!

— rolando2

"Ở dưới cùng của trang Web sau từ NIST / Sematech, itl.nist.gov/div898/handbook/prc/section4/prc473.htmlm , nên thực hiện cả hai bài kiểm tra và nên thực hiện các bài kiểm tra nhỏ hơn trong hai khoảng thời gian . Tôi đã tìm thấy những nhận xét tương tự ở Johnson và Wicotta khi thực hiện MANOVA. - @schenectady 11 tháng 11 '11 lúc 12:31 "Đây được coi là khai thác dữ liệu và không nên thực hiện. Việc lựa chọn tukey so với Bonferroni nên được đưa ra trước khi phân tích.

Tài liệu trực tuyến của Minitab dường như cung cấp hỗ trợ

— N Brouwer

Ngoài các liên kết hữu ích được đề cập trong các ý kiến của @schenectady.

Tôi cũng sẽ thêm điểm rằng Bonferroni điều chỉnh áp dụng cho một lớp vấn đề rộng hơn. Theo như tôi biết, HSD của Tukey chỉ được áp dụng cho các tình huống mà bạn muốn kiểm tra tất cả các so sánh cặp có thể có, trong khi điều chỉnh Bonferroni có thể được áp dụng cho bất kỳ thử nghiệm giả thuyết nào.

Cụ thể, hiệu chỉnh Bonferroni rất hữu ích khi bạn có một bộ so sánh nhỏ được lên kế hoạch và bạn muốn kiểm soát tỷ lệ lỗi Loại I khôn ngoan của gia đình. Điều này cũng cho phép so sánh hợp chất. Ví dụ: bạn có ANOVA 6 chiều và bạn muốn so sánh trung bình của các nhóm 1, 2 và 3 với nhóm 4 và bạn muốn so sánh nhóm 5 với 6.

Để minh họa thêm, bạn có thể áp dụng hiệu chỉnh Bonferroni để đánh giá tầm quan trọng của các mối tương quan trong ma trận tương quan hoặc tập hợp các hiệu ứng chính và tương tác trong ANOVA. Tuy nhiên, việc hiệu chỉnh như vậy thường không được áp dụng, có lẽ vì lý do giảm tỷ lệ lỗi Loại I dẫn đến việc giảm sức mạnh không thể chấp nhận được.

— Giật mình Anglim
nguồn

chỉ tò mò nếu bạn có một trích dẫn cho: "Tuy nhiên, việc hiệu chỉnh như vậy thường không được áp dụng, có lẽ vì lý do giảm tỷ lệ lỗi Loại I dẫn đến việc giảm sức mạnh không thể chấp nhận được." Cảm ơn rất nhiều!

Chào mừng đến với trang web. Điều này nên được đăng dưới dạng một bình luận, không phải là một câu trả lời.

— Peter Flom - Tái lập Monica

@Jessica. Không, tôi không có trích dẫn cho tuyên bố đó. Nhưng nó khá dễ dàng để thể hiện thông qua mô phỏng, công thức hoặc thậm chí chỉ là kiến thức cơ bản về các yếu tố ảnh hưởng đến sức mạnh thống kê (nghĩa là các yếu tố đó bao gồm alpha).

— Jeromy Anglim