আমি কীভাবে একটি তাত্পর্যপূর্ণ সামগ্রিক আনোভা পেতে পারি তবে টুকির পদ্ধতির সাথে কোনও গুরুত্বপূর্ণ যুগল পার্থক্য নেই?

Question

আমি আর আনোভা দিয়ে পারফর্ম করেছি এবং আমি উল্লেখযোগ্য পার্থক্য পেয়েছি। তবে টুকির পদ্ধতিটি ব্যবহার করে কোন জোড়াটি উল্লেখযোগ্যভাবে আলাদা ছিল তা পরীক্ষা করার সময় আমি সেগুলির কোনও পাই নি। এটি কীভাবে সম্ভব?

কোডটি এখানে:

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

Comments

আপনি ডেটা দিতে পারেন?

— ttnphns

আমি এই পরবর্তী প্রশ্নের stats.stackexchange.com/questions/74174/… (এই থ্রেডটির সদৃশ হিসাবে চিহ্নিত) বিশেষ করে সহায়ক একটি উত্তর পেয়েছি ।

— অ্যামিবা বলছেন

Answer 1

কেন এটি সম্ভব হবে না?

সামগ্রিক পরীক্ষা এবং জোড়জাতীয় পরীক্ষাগুলি বিভিন্ন প্রশ্ন জিজ্ঞাসা করে, যাতে তারা বিভিন্ন উত্তর পেতে পারে।

Comments

আপনি আরও বলতে পারেন।

— Rolando2

সামগ্রিক আনোভা নির্ভরশীল ভেরিয়েবলের সাথে সম্পূর্ণ স্বাধীন পরিবর্তনশীল এবং এর সম্পর্ক (বা এর অভাব) সম্পর্কে একটি প্রশ্ন জিজ্ঞাসা করে। জোড়াযুক্ত তুলনা জোড়গুলির মধ্যে পার্থক্য সম্পর্কে জিজ্ঞাসা করে। তারপরে পি-মানটি পরিসংখ্যান সিগের দিকে তাকায়। এর প্রত্যেকটির একাধিক তুলনা (এই ক্ষেত্রে টুকির এইচএসডি পদ্ধতি ব্যবহার করে) এর জন্য জোড়াযুক্ত সমন্বয় করা হয়েছে।

— পিটার ফ্লুম - মনিকা পুনরায়

ধন্যবাদ, পিটার সম্ভবত এটি কম যে তারা "বিভিন্ন প্রশ্ন" জিজ্ঞাসা করে এবং বিভিন্ন ফলাফলের জন্য অ্যাকাউন্ট করে এমন একাধিক তুলনার জন্য আরও সমন্বয়।

— রোল্যান্ডো 2

Answer 2

এটি মূলত এএনওওএর সংবেদনশীলতার কারণে (পেয়ারওয়াই টেস্ট সংবেদনশীলতার চেয়ে বেশি)। তারপরে, আনোভা যখন প্রায় জোড়া পরীক্ষা করে খুব সহজেই জুটির গড়ের মধ্যে পার্থক্য হয় তখন প্রায় কম পরিবর্তনশীলতা সনাক্ত করে। বিশ্লেষণ অবশ্যই পার্থক্যের উপর ফোকাস করা উচিত, এবং আপনি এই মুহূর্তে যে সামান্য পার্থক্য আছে তা মনে রেখে আপনি এই উত্তর-বিশ্লেষণের পরে আরও নমনীয় হতে পারেন। আনোভা অনুমানগুলি যাচাই করতে ভুলবেন না।

অন্যদিকে, আনোভা ব্যবহার না করে পেয়ারওয়াই টেস্ট ব্যবহার সম্পর্কিত কিছু বিষয় রয়েছে: এইচ পোস্টের আগে আমাদের কি বিশ্বব্যাপী পরীক্ষা দরকার?

Comments

নিশ্চিতভাবে টুকি এইচএসডি তুলনা করার আগে বিশ্বব্যাপী পরীক্ষা করার দরকার নেই যেহেতু এইচএসডি টাইপ আই ত্রুটির হার নিয়ন্ত্রণ করে। আমি তাদের পোস্ট হক বলার জন্য ঘৃণা করি, যদিও তাদের অগ্রিম পরিকল্পনা করা উচিত।

— ডেভিড লেন