หากฉันมีผลลัพธ์ในเชิงบวกและไม่มีนัยสำคัญจำนวนมากฉันสามารถทดสอบ“ อย่างน้อย


9

สมมติว่าฉันใช้การถดถอยแบบเดียวกันสำหรับคนละ 100 คน สัมประสิทธิ์ความสนใจของฉันเป็นค่าบวก (และค่อนข้างแตกต่างจากกัน) แต่ไม่มีนัยสำคัญทางสถิติในผลลัพธ์ทั้งหมด 100 (สมมติว่า p-value = 0.11 ทุกค่า)

มีวิธีรวมค่า p เหล่านี้เพื่อสรุป "อย่างน้อย 80 ของผลลัพธ์เหล่านี้เป็นค่าบวก" มีความสำคัญมากกว่า p = 0.11 หรือไม่ การค้นหาออนไลน์ของฉันแสดงให้ฉันเห็นเพียงวิธีการพูดว่า "อย่างน้อย 1 ผลลัพธ์เหล่านี้เป็นค่าบวก" ผ่านการทดสอบแบบฟิชเชอร์หรือที่คล้ายกัน แต่ฉันไม่สามารถสรุปผลลัพธ์นั้นได้ ฉันต้องการทดสอบ "H0 = เอฟเฟกต์ทั้งหมด 100 ค่าจะเหมือนกันที่ 0" กับ "HA = เอฟเฟกต์อย่างน้อย 80 ค่าเป็นบวก"

เป้าหมายของฉันคือไม่ได้บอกว่ามีค่าสัมประสิทธิ์เป็นบวกโดยเฉลี่ยและไม่วัดค่าสัมประสิทธิ์โดยเฉพาะ เป้าหมายของฉันคือการแสดงให้เห็นอย่างมีนัยสำคัญว่าอย่างน้อย 80 คนต้องเผชิญกับผลกระทบเชิงบวกบางอย่างโดยไม่คำนึงถึงสิ่งที่ 80 และโดยไม่คำนึงถึงขนาดของผลกระทบความรู้สึกของแต่ละบุคคล


2
คุณหมายความว่าอย่างไรโดยการ "แยกการถดถอยแบบเดียวกันสำหรับคน 100 คนแยกกัน"? - หมายความว่าคุณมีชุดข้อมูล 100 ชุดแต่ละชุดมีการสังเกตหลายชุดบนชุดตอบสนองและตัวแปรอธิบายที่เหมือนกันหรือไม่ ไม่แน่ใจว่าวิธีนี้ทำงานอย่างไรถ้าคุณสนใจที่จะเปรียบเทียบความสูงและน้ำหนักของแต่ละคนคุณจะสังเกตได้เพียงครั้งเดียวสำหรับแต่ละคน คุณอาจมีอนุกรมเวลาสำหรับแต่ละคนหรือไม่ซึ่งในกรณีนี้คุณต้องมีเทคนิคที่ซับซ้อนกว่านี้อยู่ดี นั่นจะเป็นรูปแบบของการวิเคราะห์ตามยาวหากคุณกำลังมองหาคำค้นหา
ปีเตอร์เอลลิส

คำตอบ:


8

คุณควรทำการวิเคราะห์ทั้งหมด 100 ครั้งเป็นแบบจำลองเอฟเฟกต์เดี่ยวโดยมีค่าสัมประสิทธิ์ของตัวแปรสุ่มดอกเบี้ยเอง ด้วยวิธีนี้คุณสามารถประมาณการกระจายตัวของสัมประสิทธิ์เหล่านั้นรวมถึงค่าเฉลี่ยโดยรวมซึ่งจะให้การตีความที่ฉันคิดว่าคุณกำลังมองหา

สังเกตว่าหากเป็นกรณีที่คุณสงสัยว่าคุณมีซีรีย์เวลาสำหรับแต่ละบุคคลคุณจะต้องแก้ไขความสัมพันธ์ของเศษซากด้วยตนเองโดยอัตโนมัติ


ขอบคุณสำหรับเวลาของคุณชื่นชมมาก ถ้าฉันจะชี้แจงมันเป็นช่วงเวลา ให้บอกว่าฉันมีข้อมูลสำหรับบุคคลทั้งหมด 100 คนในระยะเวลา 5 ปีและในปีที่สามตัวแปรดัมมี่ (ตัวแปรอิสระที่ฉันสนใจ) จะเปลี่ยนเป็น 1 ในเวลาเดียวกันสำหรับบุคคลทั้งหมด 100 คน ฉันไม่สนใจเกี่ยวกับผลกระทบที่แน่นอนของการเปลี่ยนแปลงนั้นในแต่ละบุคคลหรือผลกระทบโดยเฉลี่ย แต่ฉันเพียงต้องการที่จะพิสูจน์ว่าอย่างน้อย 80 คนแต่ละคนได้รับผลกระทบ สัมประสิทธิ์เป็นค่าบวกในทุก ๆ 100 แต่แต่ละค่านั้นไม่มีนัยสำคัญ ฉันไม่แน่ใจว่าการวัดการกระจายของสัมประสิทธิ์จะบรรลุผลนั้น
28239

1
นั่นคือสิ่งที่ฉันเดาคุณ ฉันคิดว่าวิธีการที่แนะนำคือวิธีที่ถูกต้อง จากนั้นคุณสามารถใช้แบบจำลองเพื่อทำการทำนายหรือสิ่งอื่น ๆ ที่คุณต้องการ
ปีเตอร์เอลลิส

4

ที่ง่ายที่สุดที่จะทำอาจจะมีการทดสอบสัญญาณ สมมติฐานว่างคือว่าผลลัพธ์แต่ละรายการมีความน่าจะเป็นที่เท่ากันในการเป็นบวกหรือลบ (เช่นพลิกเหรียญยุติธรรม) เป้าหมายของคุณคือพิจารณาว่าผลลัพธ์ที่สังเกตได้น่าจะไม่เพียงพอภายใต้สมมติฐานว่างนี้ที่คุณสามารถปฏิเสธได้หรือไม่

ความน่าจะเป็นที่จะได้รับ 80 หรือมากกว่าจาก 100 flips ของเหรียญยุติธรรมคืออะไร คุณสามารถคำนวณได้โดยใช้การแจกแจงทวินาม ในRฟังก์ชั่นที่เกี่ยวข้องเรียกว่าpbinomและคุณสามารถรับค่า p (ด้านเดียว) โดยใช้บรรทัดของรหัสต่อไปนี้:

pbinom(80, size = 100, prob = 0.5, lower.tail = FALSE)

ตามการทดสอบนี้สัญชาตญาณของคุณถูกต้องคุณจะไม่ได้รับผลบวกมากถึง 80 โดยบังเอิญถ้าการรักษาไม่มีผลใด ๆ

ตัวเลือกที่เกี่ยวข้องอย่างใกล้ชิดจะใช้สิ่งที่ต้องการWilcoxon ลงนามในการทดสอบยศ


ดีกว่าวิธีการถ้าคุณต้องการจริงในการประมาณการขนาดของผลกระทบ (ที่มากกว่าแค่การตรวจสอบว่ามีแนวโน้มที่จะมีค่ามากกว่าศูนย์หรือไม่) อาจจะเป็นลำดับชั้น ( "ผสม") รุ่น

ที่นี่โมเดลบอกว่าผลลัพธ์ของบุคคล 100 คนมาจากการแจกจ่ายและเป้าหมายของคุณคือดูว่าการกระจายนั้นอยู่ที่ไหน (พร้อมกับช่วงความมั่นใจ)

แบบจำลองผสมให้คุณพูดเพิ่มเติมเกี่ยวกับขนาดของเอฟเฟกต์ของคุณเล็กน้อย: หลังจากใส่แบบจำลองคุณสามารถพูดอะไรบางอย่างเช่น "เราประเมินว่าการรักษาของเรามีแนวโน้มที่จะปรับปรุงผลลัพธ์โดยเฉลี่ยสามหน่วยแม้ว่าข้อมูลจะสอดคล้องกับค่าเฉลี่ยจริง ขนาดเอฟเฟ็กต์อยู่ที่ใดก็ได้จาก 1.5 ถึง 4.5 หน่วยนอกจากนี้ยังมีความแตกต่างบางอย่างระหว่างบุคคล

นั่นเป็นชุดคำสั่งที่แม่นยำและมีประโยชน์มาก - ดีกว่า "ผลที่ได้อาจเป็นบวกโดยเฉลี่ย" ซึ่งเป็นเหตุผลว่าทำไมนักสถิติจึงนิยมใช้วิธีนี้ แต่ถ้าคุณไม่ต้องการรายละเอียดทั้งหมดวิธีแรกที่ฉันกล่าวถึงก็ใช้ได้เช่นกัน


0

บางทีฉันอาจเข้าใจผิดไปหมด แต่สิ่งที่ฉันเห็นก็คือว่าคุณกำลังพยายามทำ ANOVA ซ้ำ ๆ เพียงกำหนด "จำลอง" นี้เป็นปัจจัยภายในเรื่องและโมเดลจะทำส่วนที่เหลือ ความสำคัญของตัวมันเองนั้นไม่ได้ให้ข้อมูลอะไรมากนัก จำเป็น แต่ไม่เพียงพอ แบบจำลองใด ๆ จะมีนัยสำคัญด้วยจำนวนการสังเกตที่เพียงพอ คุณอาจต้องการขนาดเอฟเฟกต์เช่น (บางส่วน) Eta-Squared เพื่อให้ทราบว่าเอฟเฟกต์ของคุณ "ใหญ่" เป็นอย่างไร 2 เซนต์ของฉัน


0

มันอาจจะง่ายเหมือนการคำนวณ ANCOVA ธรรมดา แต่วิธีที่เหมาะสมในการวิเคราะห์ข้อมูลของคุณจะขึ้นอยู่กับสถานการณ์ทางกายภาพและคุณไม่ได้ให้รายละเอียดเหล่านั้น

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.