ফিশারের এলএসডি কি খারাপ বলে তারা বলছে?


22

যখন আমরা দুটি গ্রুপে পরীক্ষামূলকভাবে (ছোট নমুনা আকারে (সাধারণত চিকিত্সা গ্রুপে নমুনার আকার প্রায় 7 ~ 8% হয়)) করি, তখন আমরা পার্থক্যের জন্য পরীক্ষার জন্য একটি টি-টেস্ট ব্যবহার করি। যাইহোক, যখন আমরা একটি এনওওএ সম্পাদন করি (স্পষ্টতই দুটি দলের বেশি), আমরা বনফেরনির (এলএসডি / # পেয়ারওয়াই তুলনায়ের) বা টুকি পোস্ট পোস্ট হিসাবে এবং একটি ছাত্র হিসাবে লাইন ধরে কিছু ব্যবহার করি, ফিশারের কমপক্ষে গুরুত্বপূর্ণ পার্থক্য (এলএসডি) ব্যবহার করা।

এখন কথাটি হ'ল, এলএসডি জোড়াযুক্ত টি-টেস্টের মতো (আমি কি ঠিক?), এবং কেবলমাত্র এটির জন্য এটি একমাত্র বিষয় নয় যে আমরা একাধিক তুলনা করছি। Groups টি গ্রুপের সাথে কথা বলার সময়, এনোভা যদি তা নিজেই তাৎপর্যপূর্ণ হয় তবে তা কতটা গুরুত্বপূর্ণ?

বা অন্য কথায়, কোনও ফিশারের এলএসডি ব্যবহার করার কোনও বৈজ্ঞানিক / পরিসংখ্যানগত কারণ আছে কি?


1
কে তারা ' তারা ' তা স্পষ্ট করে বলতে পারে এবং তারা যা বলে তার উদাহরণ অন্তর্ভুক্ত করতে পারে? (তারা কীভাবে এটি খারাপ বলছেন? আসুন আমরা এখানে কী আলোচনা করছি তা পরিষ্কার হয়ে যাক) আমি এলএসডির কিছু সমালোচনা দেখেছি, এর কিছুটা ন্যায়সঙ্গত হয়েছে, তবে আমি জানি না যে আমি কী দেখেছি দেখেছি, বা যা আমি দেখেছি তার জন্য সেখানে আপনার যথেষ্ট বৈশিষ্ট্য প্রয়োজন।
গ্লেন_বি -রিনস্টেট মনিকা

+1 আপনি যদি টিমোথিয়াল লেরিস এলএসডি সম্পর্কে কোন স্ট্যাক এক্সচেঞ্জ সাইটটি আলোচনা করে তা বের করার চেষ্টা করে এখানে এসেছেন
পিডাব্লু কাদ

@ গ্লেেন_বি তারা বায়োমেডিকাল বিজ্ঞানের বিজ্ঞানীদের বোঝায়। আমার অধ্যাপকের কথাগুলি ছিল, "বোনফেরোনি বা টুকি ব্যবহার করুন des কেবল হতাশায় এলএসডি ব্যবহার করুন that এটি যদি সহায়তা না করে তবে অন্য এলএসডি ব্যবহার করুন :)"
রোভার আই

উত্তর:


10

ফিশারের এলএসডি প্রকৃতপক্ষে জোড়াবিশিষ্ট টি-টেস্টের একটি সিরিজ, প্রতিটি পরীক্ষার সাথে উল্লেখযোগ্য আনোভা থেকে গড় স্কোয়ার ত্রুটিটি এর পুলযুক্ত ভেরিয়েন্স অনুমান হিসাবে (এবং প্রাকৃতিকভাবে স্বাধীনতার সাথে সম্পর্কিত ডিগ্রি গ্রহণ) ব্যবহার করে with আনোভা গুরুত্বপূর্ণ হওয়া এই পরীক্ষার একটি অতিরিক্ত বাধা।

এটি কেবলমাত্র 3 টি গ্রুপের বিশেষ ক্ষেত্রে পরিবার-ভিত্তিক ত্রুটি হারকে আলফায় সীমাবদ্ধ করে। হাওলের তার আচরণের বিজ্ঞান, অষ্টম সংস্করণ, ডেভিড সি হাওল এর ফান্ডামেন্টাল স্ট্যাটিস্টিকস বইয়ের ১ 16 তম অধ্যায়ে এটি কীভাবে হয় তার একটি খুব ভাল এবং অপেক্ষাকৃত সহজ ব্যাখ্যা রয়েছে ।

3 টি গ্রুপের উপরে আলফা দ্রুত স্ফীত হয় (যেমন @ অ্যালেক্সিস উপরে উল্লিখিত হয়েছে) এটি অবশ্যই 6 টি দলের জন্য উপযুক্ত নয়। আমি বিশ্বাস করি যে এটি এই সীমিত প্রয়োগযোগ্যতার কারণেই বেশিরভাগ লোক এটিকে বিকল্প হিসাবে উপেক্ষা করার পরামর্শ দেয়।


18

6 টি দলের সাথে কাজ করার সময় একাধিক তুলনা কতটা গুরুত্বপূর্ণ? ভাল ... ছয়টি গ্রুপের সাথে আপনি সর্বাধিক 6 টি ( 6 - 1 ) এর সাথে লেনদেন করছেনসম্ভাব্যপোস্টের এইজুটিওয়ালা তুলনা। আমি অনিবার্য র‌্যান্ডাল মুনরোকে একাধিক তুলনার গুরুত্বকে সম্বোধন করতে দেব:6(6-1)2=15

এখানে চিত্র বর্ণনা লিখুন

এবং আমি যুক্ত করব যে, যদি আপনার খোলার বাক্যটির মতো আপনিও পরামর্শ দেন যে কখনও কখনও আপনার সাতটি গ্রুপ থাকে, তবে পোস্ট পোস্টের এই জুটির মতো পরীক্ষার সর্বাধিক সংখ্যা 7(7-1)2=21


1
পয়েন্ট ভাল তৈরি। তবে, এই প্রশ্নটি আসে না যে, যদি আমাদের খুব কম সংখ্যক গ্রুপ থাকে (3 (3 পেয়ারওয়াই বলুন) বা 4 (6 জোড়মুখী)) সুযোগ দ্বারা একটি উল্লেখযোগ্য মান সন্ধানের সম্ভাবনা কি কম? (আবারও, এলএসডি আনোভার তাত্পর্য দ্বারা সুরক্ষিত)
রোভার আই

2
α

2
@ রোভার pair টি জুটিযুক্ত পরীক্ষা করে যা সকল ক্ষেত্রেই>> ০.০৫ দিয়ে পাস করেছে এর অর্থ ইতিমধ্যে আপনার এখন পি> ০.২6 রয়েছে, এটি একটি উল্লেখযোগ্য পরিবর্তন।
ভু

আমি ব্যবহারিক কিছু জিজ্ঞাসা করছি না, শুধু জোরে জোরে বলছিলাম। তবে আপনার বক্তব্যটি ভালভাবে তৈরি হয়েছে। @ খুব সত্য, ত্রুটিটি বহুগুণে ঝোঁক পড়ে। আপনাকে উভয় ধন্যবাদ।
রোভার আই

10

ফিশারের পরীক্ষা যেমন খারাপ তেমনি সবাই বলেছে এটি নেইমন-পিয়ারসন দৃষ্টিকোণ থেকে এবং যদি আপনি আপনার প্রশ্নটির দ্বারা বোঝানো হয় --- তবে প্রতিটি পৃথক পার্থক্যের একটি উল্লেখযোগ্য আনোভা পরীক্ষার পরে। আপনি অনেক প্রকাশিত কাগজপত্র এ দেখতে পারেন । তবে, কোনও এএনওভা বা তাদের যে কোনও একটির পরে সমস্ত পার্থক্য পরীক্ষা করা প্রয়োজনীয় বা সুপারিশকৃত নয়। এবং, ফিশারের পরীক্ষা পরিসংখ্যানগত অনুক্রমের নেইমন-পিয়ারসন তত্ত্বের আওতায় তৈরি করা হয়নি।

এটি মনে রাখা জরুরী যে, ফিশার যখন এলএসডি প্রস্তাব করেছিলেন, তখন তিনি সত্যিই একাধিক পরীক্ষাকে একটি গুরুত্বপূর্ণ সমস্যা হিসাবে বিবেচনা করেন নি কারণ তিনি ফলাফলকে গুরুত্বপূর্ণ কিনা তা সিদ্ধান্ত নেওয়ার জন্য কাটফটটিকে তাত্পর্যপূর্ণ এবং দ্রুত নিয়ম হিসাবে বিবেচনা করেননি। ডেটা অনুধাবনের সহজ উপায় হিসাবে কেউ একটি এলএসডি তৈরি করতে পারে যেখানে উল্লেখযোগ্য ফলাফল হতে পারে তবে অর্থবহ কী ছিল তা সালিশকারী নয়। মনে রাখবেন, ফিশারই বলেছিলেন যে পি > 0.05 হলে আপনার আরও বেশি বিষয় চালানো উচিত ।

এবং আপনি কেন ভাবেন যে সমস্ত কিছুর পরীক্ষা করা একটি ভাল ধারণা? আপনি কেন প্রথমে একটি আনোভা চালাবেন তা বিবেচনা করুন। আপনি সম্ভবত শিখিয়েছিলেন যে এটি একাধিক টি-পরীক্ষা চালানো সমস্যাযুক্ত, কারণ আপনি আপনার প্রশ্নের অন্তরঙ্গ। তাহলে আপনি কেন তাদের চালাচ্ছেন, বা তাদের সমপর্যায়ের পরে? আমি জানি এটি ঘটে তবে আনোভার পরে আমার আর কখনও পরীক্ষা চালানো দরকার হয়নি। একটি আনোভা আপনাকে বলেছে যে আপনার ডেটার প্যাটার্নটি সমান মানের একটি সেট নয়, যাতে সেখানে কিছু অর্থ হতে পারে। অনেক লোক সতর্কতার সাথে ঝুলে যায় যে পরীক্ষাটি আপনাকে অর্থবহ বিটগুলি কোথায় তা বলে না তবে তারা ভুলে যায় যে ডেটা এবং তত্ত্বগুলি আপনাকে তা বলে।


কাগজপত্র জন্য ধন্যবাদ। আপনি একটি প্রশ্ন উত্থাপন করেন যে কেন লোকেরা একটি আনোয়ার পরে পোস্ট-হক ব্যবহার করে? সত্যি কথা বলার জন্য, আমি সত্যিই জানি না। আমাকে বলা হয়েছিল যে আনোভা একটি ব্লব পরীক্ষা এবং যেমনটি আপনি উল্লেখ করেছেন, তাত্পর্যটি কোথায় রয়েছে তা আমাদের খুঁজে নেওয়া দরকার। এবং সত্যি বলতে কী, আপনি কীভাবে কেবল একটি আনোভা রিপোর্ট করবেন তা জানতে আগ্রহী।
রোভার আই 16

1
আমাকে একটি ডেটা প্যাটার্ন দিন এবং আমি আপনাকে বলব কীভাবে আমি আনোভা রিপোর্ট করব। সংক্ষিপ্ত সংস্করণ হ'ল আপনি ডেটা বর্ণনা করেন। একে অপরের খুব নিকটবর্তী আইটেমগুলিকে বিবরণে গোষ্ঠীযুক্ত করা হত এবং এগুলি পৃথক পৃথকভাবে অর্থপূর্ণ পার্থক্য বিবেচনা করা হত (তবে এটি সমস্ত সম্পর্কিত) ধরা যাক আমার কাছে A = 20, B = 58, C = 61, p = 0.03 রয়েছে। আমি পরিসংখ্যানের প্রতিবেদন করব এবং বলব যে A, B এবং C এর চেয়ে কম, যা সমান। সুতরাং, এটি সমস্ত ডেটার উপর নির্ভর করে। আমি কিছু অনুমানমূলক উপায়ে আইটেমগুলির ক্রমটি কিছুটা ঝামেলা হওয়া, (এ = 10, বি = 20, সি = 30) ভাবতে পারি তবে তারপরে সম্ভবত আমার কোনও রিগ্রেশন করা উচিত ছিল।
জন

এটি একটি আনোভা প্রতিবেদন করার বেশ আকর্ষণীয় উপায় এবং আমি দেখতে পাচ্ছি আপনি কী পাচ্ছেন। যদিও আমি অবশ্যই আমার তত্ত্বাবধায়কের সাথে এটি নিয়ে আলোচনা করতে পারি, আমি এখনও নিশ্চিত নই যে তারা কোনও পোস্টহক ছাড়াই আনোভা রিপোর্ট করার "আদর্শ" ভঙ্গ করতে চায় কিনা। এই পদ্ধতিটি ব্যবহার করে প্রতিবেদন করা বৈজ্ঞানিক প্রকাশনাগুলি সন্ধান করার চেষ্টা করছেন।
রোভার আই

2
ডেটাতে কিছু অর্থপূর্ণ। বেশিরভাগ ক্ষেত্রে এটি অবশ্যই হওয়া উচিত that সুস্পষ্টভাবে প্রদর্শন করার জন্য একটি পোস্ট পোস্ট করা আপনার দেখায় যে আনোভা প্রথম স্থানে কী করে।
জন

6

ফিশারের এলএসডির পিছনে যুক্তি N = 3 এরও বেশি মামলায় বাড়ানো যেতে পারে ।

আমি চারটি গ্রুপের মামলা নিয়ে বিস্তারিত আলোচনা করব। পারিবারিকভাবে টাইপ -১ ত্রুটি হারকে ০.০৫ বা তার নীচে রাখতে, চারটি গ্রুপের মধ্যে ছয়টি পোস্ট-হকের তুলনা থাকলেও, 3 এর একাধিক তুলনা সংশোধন ফ্যাক্টর (অর্থাৎ 0.05 / 3 এর প্রতি তুলনা আলফা) যথেষ্ট হয়। এই কারণ:

  • যদি চারটি সত্যিকারের মাধ্যম সমান হয় তবে চারটি দলের উপর সর্বজনীন আনোভা পারিবারিকভাবে ত্রুটির হারকে 0.05 এর মধ্যে সীমাবদ্ধ করে;
  • সত্যিকারের তিনটি মাধ্যমের সমান এবং চতুর্থটি তাদের থেকে পৃথক হলে, কেবলমাত্র তিনটি তুলনা রয়েছে যা সম্ভবত টাইপ -1 ত্রুটি অর্জন করতে পারে;
  • সত্যিকারের দুটি ক্ষেত্রে সমান এবং অন্য দুটি থেকে পৃথক, যা একে অপরের সমান হয়, কেবলমাত্র দুটি তুলনা রয়েছে যেগুলি সম্ভবত টাইপ -1 ত্রুটি অর্জন করতে পারে yield

এটি সম্ভাবনাগুলি ক্লান্ত করে। সমস্ত ক্ষেত্রে, একাধিক তুলনার জন্য সংশোধন ফ্যাক্টর 3 হলে গোষ্ঠীগুলির প্রকৃত উপায় সমান, 0.05 এর নীচে এক বা একাধিক পি- মূল্যগুলি সন্ধানের সম্ভাবনা , এবং এটি পারিবারিক ত্রুটি হারের সংজ্ঞা।

চার গ্রুপের জন্য এই যুক্তি হ'ল ফিশারের তার তিন-গ্রুপের স্বল্প গুরুত্বপূর্ণ পার্থক্য পদ্ধতির ব্যাখ্যা থেকে সাধারণীকরণ। জন্য এন দলের সংশোধন ফ্যাক্টর, যদি সমস্ত Anova পরীক্ষা গুরুত্বপূর্ণ, (হয় এন -1) ( এন -2) / 2। সুতরাং Bonferroni সংশোধন, একটি গুণক দ্বারা এন ( এন -1) / 2, খুব শক্তিশালী। N = 3 এর জন্য 1 এর একটি আলফা সংশোধন ফ্যাক্টর ব্যবহার করা যথেষ্ট (এই কারণেই ফিশারের এলএসডি N = 3 এর জন্য কাজ করে ), এন = 4 এর জন্য 3 এর একটি উপাদান, এন = 5 এর জন্য 6 এর একটি উপাদান, 10 এর জন্য একটি ফ্যাক্টর এন = 6, এবং অন্যান্য।


+1 টি। এটি থ্রেডে খুব ভাল সংযোজন। সাইটে স্বাগতম!
অ্যামিবা বলেছেন মনিকা পুনরায়

আপনি বর্ণিত প্রতিটি পরিস্থিতির জন্য কোনও পোস্ট-পরীক্ষার প্রয়োজন হয় না।
জন

1
(এন-1)(এন-2)/2
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.