Questions tagged «multiple-comparisons»

我希望在使用R进行双向Anova后执行TukeyHSD事后测试，以获得包含按显着性差异分组的排序对的表格。（很抱歉，我仍然不熟悉统计数据。） 我想要这样的东西： 因此，按星号或字母分组。 任何想法？我HSD.test()从agricolae程序包中测试了该功能，但似乎无法处理双向表。

13 r  anova  multiple-comparisons  post-hoc  tukey-hsd 

问题： 在对协变量的影响进行调整之后，有什么好的方法可以进行事后检验组均值之间的差异？ 典型示例： 四组，每组30名参与者（例如，四个不同的临床心理学人群） 因变量是数字（例如，智力得分） 协变量是数字（例如，社会经济地位指数） 研究问题涉及在控制协变量之后，任何一对组在因变量上是否存在显着差异 相关问题： 首选方法是什么？ R中有哪些可用的实现？ 关于协变量如何更改事后检验程序，是否有任何一般性参考？

13 anova  multiple-comparisons  ancova 

我在SPSS中使用广义线性模型来研究16种不同植物上毛虫的平均数量差异（非正态，使用Tweedie分布）。 我想进行多个比较，但是不确定是否应该使用Sidak或Bonferroni校正测试。两种测试有什么区别？这个比那个好吗？

13 multiple-comparisons  post-hoc  bonferroni 

想象一个研究人员正在探索一个数据集并运行1000个不同的回归，他发现其中一个有趣的关系。 现在想象一下，具有相同数据的另一位研究人员 仅进行了1次回归，结果发现另一位研究人员进行了1000次回归才能找到相同的结果。研究者2不认识研究者1。 研究人员1是否应做出与研究人员2不同的推论？为什么？例如，研究人员1应该执行多重比较校正，而研究人员2不应该执行多重比较校正吗？ 如果研究人员2首先向您显示了他的单一回归，您将做出什么推论？如果该研究人员1向您显示了他的结果之后，您是否应该更改自己的推断？如果是这样，那为什么重要呢？ PS 1：如果谈论假设研究者使问题变得抽象，请考虑一下：假设您使用最佳方法对论文进行了一次回归。然后，另一位研究人员使用相同的数据探索了1000种不同的回归，直到发现与您运行的完全相同的回归。你们两个应该推论吗？两种情况的证据是否相同？如果您知道其他研究人员的结果，是否应该更改自己的推论？公众应如何评估两项研究的证据？ PS 2：请尽量具体，并在可能的情况下提供数学/理论上的依据！

12 bayesian  multiple-regression  multiple-comparisons  inference  theory 

题 将三组人的测试成绩另存为R中的向量。 set.seed(1) group1 <- rnorm(100, mean = 75, sd = 10) group2 <- rnorm(100, mean = 85, sd = 10) group3 <- rnorm(100, mean = 95, sd = 10) 我想知道这些群体之间的中位数是否存在显着差异。我知道我可以使用Wilcoxon测试来测试第1组和第2组。 wilcox.test(group1, group2) 但是，这一次只比较两个组，我想同时比较所有三个组。我想进行统计检验，得出p值为0.05的显着性水平。有人可以帮忙吗？ 编辑＃1-情绪中位数测试 按照用户Hibernating的建议答案，我尝试了Mood的中位数测试。 median.test <- function(x, y){ z <- c(x, y) g <- rep(1:2, c(length(x), length(y))) m …

12 r  hypothesis-testing  multiple-comparisons  mean  median 

我想知道哪些统计文献与以下问题有关，甚至可能有关于如何解决该问题的想法。 想象以下问题： 对于某些疾病，我们有4种可能的治疗方法。为了检查哪种治疗更好，我们进行了一次特殊的试验。在试验中，我们从没有受试者开始，然后一个接一个地将更多受试者输入试验。每个患者随机分配到4种可能的治疗方法之一。治疗的最终结果是“健康”或“仍然生病”，我们可以立即知道该结果。这意味着，在任何给定的点上，我们都可以创建一个2 x 4的列联表，说明我们有多少受试者属于哪种治疗/最终结果。 在任何时候，我们都可以检查列联表（例如，使用卡方检验），以查看这4种可能的治疗方法之间在统计学上是否存在不同的治疗方法。如果其中一个比较好，那么其余所有-我们将停止试验并选择它作为“优胜者”。如果某个试验被证明比其他三个试验都更糟，我们将把他从试验中删除，并停止提供给将来的患者。 但是，这里的问题是我如何针对可以在任何给定点执行测试，测试之间存在相关性以及过程的自适应性质操纵过程的事实来调整p值。例如，如果发现某些治疗方法“不好”）？

12 hypothesis-testing  chi-squared  p-value  multiple-comparisons  sequential-analysis 

我对组顺序方法有疑问。 根据维基百科： 在具有两个治疗组的随机试验中，按以下方式使用经典组顺序测试：如果每个组中有n位受试者可用，则对2n位受试者进行中期分析。进行统计分析以比较两组，如果接受替代假设，则终止试验。否则，将继续试验另外2n名受试者，每组n名受试者。再次对4n名受试者进行统计分析。如果接受了替代方案，则审判终止。否则，它将继续进行定期评估，直到N组2n个主题可用为止。此时，将进行最后一次统计检验，并且该试验将终止 但是通过以这种方式反复测试累积数据，I型错误级别被夸大了…… 如果样本彼此独立，则总的I类错误将为α⋆α⋆\alpha^{\star} α⋆=1−(1−α)kα⋆=1−(1−α)k\alpha^{\star} = 1 - (1 - \alpha)^k 其中是每个测试的级别，是临时外观的数量。αα\alphakkk 但是样本不是独立的，因为它们重叠。假设以相等的信息增量执行临时分析，则可以发现（幻灯片6） 您能解释一下该表格的获取方式吗？

12 multiple-comparisons  clinical-trials  type-i-and-ii-errors 

我正在研究在不同州使用Kaplan-Meier治疗某种癌症的中位生存期。各州之间存在很大差异。我如何比较所有州之间的中位生存率，并确定哪些州与全国各地的平均中位生存率显着不同？

12 multiple-comparisons  survival 

我想更好地理解费舍尔的精确测试，因此设计了以下玩具示例，其中f和m分别对应于男性和女性，而n和y对应于“苏打水消耗”，如下所示： > soda_gender f m n 0 5 y 5 0 显然，这是一个极大的简化，但是我不希望上下文妨碍您。在这里，我只是假设男性不喝苏打水，女性不喝苏打水，并想看看统计程序是否得出相同的结论。 在R中运行fisher精确测试时，得到以下结果： > fisher.test(soda_gender) Fisher's Exact Test for Count Data data: soda_gender p-value = 0.007937 alternative hypothesis: true odds ratio is not equal to 1 95 percent confidence interval: 0.0000000 0.4353226 sample estimates: odds ratio 0 在这里，由于p值为0.007937，我们可以得出结论，性别和苏打水消费是相关的。 我知道费舍尔精确检验与超基因组分布有关。因此，我想使用该方法获得相似的结果。换句话说，您可以按以下方式查看此问题：有10个球，其中5个标记为“雄性”，5个标记为“雌性”，您随机抽出5个球而不进行替换，并且看到0个雄性球。这种观察的机会是什么？为了回答这个问题，我使用了以下命令： > …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

如果一组研究人员对给定的数据集执行多项（假设）检验，则有大量文献断言，即使检验是独立的，他们也应使用某种形式的校正进行多重检验（Bonferroni等）。我的问题是：这种逻辑是否适用于多个团队在同一数据集上测试假设？换句话说，家庭误差计算的障碍是什么？研究人员应该被限制为仅将数据集用于勘探吗？

11 hypothesis-testing  multiple-comparisons 

恐怕相关问题无法回答我的问题。我们评估> 2个分类器（机器学习）的性能。我们的零假设是表演没有差异。我们执行参数（ANOVA）和非参数（Friedman）检验来评估该假设。如果它们很重要，我们想找出在事后搜寻中哪些分类器有所不同。 我的问题是双重的： 1）多次比较测试后是否需要校正p值？在“ Alphafehler Kumulierung”上的德国维基百科站点上说，仅当在相同数据上检验多个假设时，才会出现此问题。比较分类器（1,2），（1,3），（2,3）时，数据仅部分重叠。是否仍然需要校正p值？ 2）P值校正通常在通过t检验进行成对测试之后使用。在进行专门的事后测试，例如Nemenyi（非参数）或Tukey的HSD测试时，是否也有必要？对于Tukey的HSD，此答案为“否”：Tukey HSD测试是否可正确进行多次比较？。是否有规则或我必须针对每个可能的事后测试进行检查？ 谢谢！

11 multiple-comparisons  bonferroni  tukey-hsd 

我正在使用非参数数据集并有12种处理方法。我进行了Kruskal-Wallis检验，并得到了显着的值，现在我想进行多次比较，以了解哪种治疗方法有显着差异。关于此主题的信息很多，但是我还没有找到任何专门解决此问题的方法。有任何想法吗？？ ppp

11 nonparametric  multiple-comparisons  kruskal-wallis  dunn-test 

我想lme4用来拟合混合效果回归并multcomp计算成对比较。我有一个包含多个连续和类别预测变量的复杂数据集，但是可以使用内置ChickWeight数据集作为示例来说明我的问题： m <- lmer(weight ~ Time * Diet + (1 | Chick), data=ChickWeight, REML=F) Time是连续的并且Diet是绝对的（4个级别），每个饮食中有多个小鸡。所有的雏鸡都以相同的体重开始，但是它们的饮食（可能）会影响它们的生长速度，因此Diet截距应该（或多或少）相同，但斜率可能会有所不同。我可以得到Diet像这样的拦截效果的成对比较： summary(glht(m, linfct=mcp(Diet = "Tukey"))) 并且确实没有显着差异，但是如何进行类似的测试Time:Diet？仅将交互作用项放入mcp会产生错误： summary(glht(m, linfct=mcp('Time:Diet' = "Tukey"))) Error in summary(glht(m, linfct = mcp(`Time:Diet` = "Tukey"))) : error in evaluating the argument 'object' in selecting a method for function 'summary': Error in mcp2matrix(model, linfct …

11 r  mixed-model  multiple-comparisons 

背景 我正在进行一项荟萃分析，其中包括以前发布的数据。通常，用P值，最小显着差异（LSD）和其他统计数据报告处理之间的差异，但无法直接估算出差异。 在我使用的模型的上下文中，可以高估方差。 问题 这里是变换来的列表其中（萨维尔2003） ，我考虑，反馈理解; 下面，我假定α = 0.05所以1 - α / 2 = 0.975 和变量是正态分布的，除非另有说明：SESESESE=MSE/n−−−−−−−√SE=MSE/nSE=\sqrt{MSE/n} α = 0.05α=0.05\alpha=0.051 -α/2= 0.9751个-α/2=0.9751-^{\alpha}/_2=0.975 问题： 给定的，Ñ，和治疗手段ˉ X 1和ˉ X 2小号Ë = ˉ X 1 - ˉ X 2PPPññnX¯1个X¯1个\bar X_1X¯2X¯2\bar X_2 小号Ë= X¯1个- X¯2Ť（1 − P2，2 n − 2 ）2 / n---√小号Ë=X¯1个-X¯2Ť（1个-P2，2ñ-2）2/ñSE=\frac{\bar X_1-\bar X_2}{t_{(1-\frac{P}{2},2n-2)}\sqrt{2/n}} …

11 multiple-comparisons  variance  data-transformation  meta-analysis 

我在2 x 2 x 6表格中交叉分类了数据。让我们叫的尺寸response，A和B。我用模型对数据进行逻辑回归response ~ A * B。对该模型偏差的分析表明，术语及其相互作用都是重要的。 但是，从数据的比例来看，似乎只有2个左右的水平B对这些重要影响负责。我想测试一下是哪个级别的罪魁祸首。现在，我的方法是在的2 x 2表上执行6个卡方检验response ~ A，然后针对多个比较对这些检验的p值进行调整（使用Holm调整）。 我的问题是，对于这个问题是否有更好的方法。是否有更原则的建模方法或多重卡方检验比较方法？

11 categorical-data  logistic  multiple-comparisons  chi-squared