দুইটি উপায়ে তুলনার জন্য টি-টেস্টের পরিবর্তে আনোভা ব্যবহার করা কি ভুল?

Question

আমার বেতনের একটি বিতরণ আছে এবং আমি পুরুষ এবং স্ত্রীদের মধ্যে পার্থক্য তুলনা করতে চাই। আমি জানি শিক্ষার্থীর দুটি মাধ্যমের তুলনা করার জন্য টি-টেস্ট রয়েছে তবে আনোভা পরামর্শ দেওয়ার পরে আমি কিছু সমালোচনা পেয়েছিলাম যে আনোভা দুইটির চেয়ে বেশি উপায়ে তুলনা করার জন্য।

এটি (কেবল যদি কোনও কিছু) কেবল 2 টির সাথে তুলনা করার জন্য ব্যবহার করতে ভুল হয়?

Comments

কে বলে এটা ভুল?

— গুং - মনিকা পুনরায়

কোনও অনুমানকে দমন করে আপনি কেন প্রশ্নটির পুনঃব্যবহার করবেন না? "দুটি গ্রুপের সাথে তুলনা করার সময় আনোভা কি একটি টি-টেস্টের সমতুল্য?" এর ধারায় কিছু? কেবলমাত্র একটি ধারণা ... প্রশ্নটি

— যেভাবেই হোক

অন্যকে বলছেন যে এটি ভুল, তা দেখার জন্য বিকল্পভাবে আপনার প্রশ্নটি সংশোধন করুন ... সুতরাং আমরা ব্যাখ্যা করতে পারি যে তারা ভুল হয়েছে। এখানে অসুবিধাটি প্রশ্নের ভিত্তি (এটি ভুল) ভুল হয়েছে।

— গ্লেন_বি -রিনস্টেট মনিকা

যদিও ভিত্তিটি ভুল হয়ে গেছে, এই প্রশ্নটি বিষয়বস্তু বলে মনে হচ্ছে না বা এতটা অস্পষ্ট বলে এর উত্তর দেওয়া যায় না (প্রকৃতপক্ষে, এর উত্তর দেওয়া হয়েছে)। আমি মনে করি এটি উন্মুক্ত থাকতে পারে।

— গুং - মনিকা পুনরায়

সম্মত, @ গং আমি মনে করি প্রশ্নটি বিষয়টি সম্পর্কে জ্ঞানের অভাব প্রতিফলিত করে। যদি এটি আলাদাভাবে (বা "আরও ভাল") শব্দযুক্ত হয়, তবে সম্ভবত প্রশ্নটি জিজ্ঞাসা করা হত না কারণ তারা ইতিমধ্যে উত্তরটি জানত।

— ডি_ওয়িলিয়ামস

Answer 1

এটি ভুল নয় এবং এটি পরীক্ষার সমান হবে যা সমান বৈচিত্রগুলি ধরে নেয়। তদুপরি, দুটি গোষ্ঠী সহ, স্কয়ার্ট (চ-পরিসংখ্যান) টি-পরিসংখ্যানের (অবাস্তব মান) সমান। আমি কিছুটা আত্মবিশ্বাসী যে অসম বৈকল্পগুলির সাথে একটি টি-পরীক্ষা সমতুল্য নয়। যেহেতু ভেরিয়েন্সগুলি অসম হয় আপনি যথাযথ অনুমান পেতে পারেন (বৈকল্পগুলি সাধারণত কিছু দশমিক জায়গার তুলনায় সবসময় অসম থাকে), এটি সম্ভবত একটি এনওওএর চেয়ে আরও নমনীয় হওয়ায় টি-টেস্টটি ব্যবহার করা বুদ্ধিমান হয়ে উঠবে (ধরে নিবেন যে আপনার কেবল দুটি গ্রুপ রয়েছে)।

হালনাগাদ:

এখানে সমান বৈকল্পিক টি-টেস্টের জন্য টি-স্ট্যাটিস্টিক ^ 2 দেখানোর কোড, তবে অসম টি-টেস্ট নয়, এফ-পরিসংখ্যানের মতো।

dat_mtcars <- mtcars

# unequal variance model
 t_unequal <- t.test(mpg ~ factor(vs), data = dat_mtcars)
 t_stat_unequal <-  t_unequal$statistic

# assume equal variance
 t_equal <- t.test(mpg ~ factor(vs), var.equal = TRUE, data = dat_mtcars)
 t_stat_equal <- t_equal$statistic

# anova
 a_equal <- aov(mpg ~ factor(vs), data = dat_mtcars)
 f_stat <- anova(a_equal)
 f_stat$`F value`[1]

# compare by dividing (1 = equivalence)
 (t_stat_unequal^2) / f_stat$`F value`[1] 
 (t_stat_equal^2) / f_stat$`F value`[1] # (t-stat with equal var^2) = F

Comments

+1, নোট করুন যে অসম বৈকল্পিকগুলির জন্য একমুখী আনোভা / এফ-পরীক্ষা সামঞ্জস্য করা সম্ভব (সিএফ । হেটেরোসেকস্টেস্টিক ডেটার জন্য একমুখী আনোভা বিকল্প )।

— গুং - মনিকা পুনরায়

@ গুং ঠিক আছে আমি এ সম্পর্কে নিশ্চিত ছিল না, যেহেতু আমি কোনও সময় এএনওওএ ব্যবহার করিনি (বায়েশিয়ান জিনিসটি করছিলাম)।

— ডি_ওয়িলিয়ামস

টেস্ট সম্পাদন করার জন্য আরও একটি সুবিধা রয়েছে : আপনার যদি একটি নির্দেশিক অনুমান থাকে তবে আপনি একটি লেজযুক্ত পরীক্ষা করতে পারেন ; অন্যদিকে আনোভা সর্বদা অ-দিকনির্দেশক অনুমানকে পরীক্ষা করে। $t$$t$

— ক্রিশ

Answer 2

তারা সমতুল্য। মাত্র দুটি গোষ্ঠী সহ একটি আনোভা একটি টি-টেস্টের সমতুল্য। পার্থক্যটি যখন আপনার বেশ কয়েকটি গ্রুপ থাকে তখন টি-পরীক্ষার জন্য টাইপ আই ত্রুটি বাড়বে কারণ আপনি যৌথভাবে হাইপোথিসিসটি পরীক্ষা করতে সক্ষম নন। আনোভা এই সমস্যায় পড়ে না কারণ আপনি যৌথভাবে এফ-পরীক্ষার মাধ্যমে তাদের পরীক্ষা করেন them

Comments

আমি মনে করি না যে এটি শক্তি হারাবে, আমি মনে করি এটির প্রথম ধরণের ত্রুটিগুলির সাথে এর আরও সম্পর্ক রয়েছে। সাধারণভাবে, আপনার যত বেশি পরীক্ষা হবে, আপনার তত বেশি শক্তি পাওয়া উচিত।

— হ্যালোওয়ার্ল্ড

আমি বিশ্বাস করি (যেমন @ স্টুডেন্টটি বলেছেন) এটি আমি টাইপ করা ত্রুটিগুলির একটি বিষয়, অবশ্যই আমি এগুলি গ্রহণ করছি তারা এ জন্য ঠিক "বনফেরনি সংশোধন" ব্যবহার করছে use en.wikedia.org/wiki/Bonferroni_correction

— পাবলো ফার্নান্দেজ

হ্যাঁ, আপনি ঠিক আছেন। এটি পাওয়ার (টাইপ II) হওয়া উচিত নয় তবে প্রথম ত্রুটিগুলি টাইপ করুন। আমি বিশ্বাস করি যে যুক্তিটি সঠিক তবে কোনও কারণে আমি শক্তি লিখেছি এবং টাইপ 1 ত্রুটি নয়। আমি কাউকে বোকা করব না তা নিশ্চিত করার জন্য আমি সম্পাদনা করব।

— রবিন্সা