Comparando as médias: como as diferenças situacionais Determinar métodos de teste
Você pode se perguntar por que existem tantos testes para uma tarefa tão simples como comparação das médias. Bem ", comparando as médias" não se refere a um único-tarefa é um termo amplo que pode aplicar-se a uma série de situações que diferem umas das outras com base no:
Menu
Se você está olhando para as mudanças ao longo do tempo dentro de um grupo de indivíduos ou das diferenças entre grupos de indivíduos (ou ambos)
Quantos pontos de tempo ou grupos de indivíduos que você está comparando
Seja ou não a variável numérica você está comparando é quase normalmente distribuído
Quer ou não os números têm a mesma espalhar (Desvio padrão) em todos os grupos que você está comparando
Se você quer para compensar os possíveis efeitos de alguma outra variável sobre a variável que você está comparando
Estas condições diferentes podem ocorrer em qualquer e todas as combinações, por isso há muitas situações possíveis.
Comparando a média de um grupo de números de um valor hipótese
Comparação de uma média observada para um valor particular, surge em estudos em que, por alguma razão, você não pode ter um grupo de controle (como um grupo que tomou um placebo ou um grupo não tratado), então você tem que comparar os seus resultados para um controle histórico, tal como a informação a partir da literatura.
Ele também aparece quando você está lidando com dados como os resultados dos testes que foram escalados para ter algum meio específico na população em geral (como o 100 para as pontuações de QI).
Esta informação é geralmente analisada pela um grupo de teste t de Student. Para dados não-normais, a Wilcoxon Signed-Rank (WSR) teste podem ser utilizados em vez disso.
Comparando dois grupos de números
Talvez a situação mais comum é aquela em que você está comparando dois grupos de números. Você pode querer comparar algumas biomarcador proposta de uma condição médica entre um grupo de indivíduos conhecidos por ter essa condição e um grupo conhecido por não tê-lo.
Ou você pode querer comparar alguma medida de eficácia da droga entre os sujeitos tratados com a droga e indivíduos tratados com um placebo.
Ou talvez você quer comparar o nível no sangue de algumas enzimas entre uma amostra de homens e mulheres.
Tais comparações são geralmente tratadas pela famosa desirmanado ou"amostra independente" teste t de Student (Normalmente chamado apenas de o teste t). Mas o teste t baseia-se em duas hipóteses sobre a distribuição dos dados nos dois grupos:
Os números são normalmente distribuídos (Chamou o suposição de normalidade). Para dados não-normal você pode usar o não-paramétrico Mann-Whitney (H-W) de teste, que o seu software pode referir-se como o Wilcoxon Sum-of-Ranks de teste (WSOR). O WSOR foi desenvolvido pela primeira vez, mas foi restrita a igual-size grupos- o teste M-W generalizada do teste WSOR trabalhar para tamanhos iguais ou desiguais do grupo.
O desvio padrão (SD), é a mesma para ambos os grupos (Chamou o equal-variância pressuposto pois a variância é simplesmente o quadrado da DP- Assim, se os dois desvios padrões são os mesmos, os dois desvios irá também ser o mesmo).
Se os dois grupos têm visivelmente diferentes desvios (se, por exemplo, o desvio padrão de um grupo é superior a 1,5 vezes tão grande como o SD do outro), então o teste t não pode dar resultados fiáveis, sobretudo com grupos de tamanho desigual. Em vez disso, você pode usar uma modificação especial para o teste t de Student, o chamado teste de Welch (Também chamado o teste de Welch t, ou o teste desigual-variância t).
Comparando-se três ou mais grupos de números
Comparando-se três ou mais grupos de números é uma extensão óbvia da comparação de dois grupos na secção anterior. Por exemplo, você pode comparar algumas endpoint de eficácia, como resposta ao tratamento, entre os três grupos de tratamento (por exemplo, droga A droga, B, e placebo). Este tipo de comparação é tratado pela análise de variação (ANOVA).
Quando há uma variável de agrupamento, como o tratamento, você tem um ANOVA one-way. Se a variável de agrupamento tem três níveis (como fármaco A, B droga e placebo no exemplo anterior), ele é chamado de one-way, de três níveis ANOVA.
A hipótese nula do ANOVA de uma via é que todos os grupos têm o mesmo significado a hipótese alternativa é que pelo menos um grupo é diferente de, pelo menos, um outro grupo. A ANOVA produz um único valor de p, e se isso p é menor do que o seu critério escolhido (como p lt; 0,05), você pode concluir que algo está diferente em algum lugar.
Mas a análise de variância não lhe diz quais os grupos são diferentes dos que os outros. Para isso, você precisa seguir um ANOVA significativa com um ou mais dos chamados post-hoc testes, que olhar para as diferenças entre cada par de grupos.
Você também pode usar a análise de variância para comparar apenas dois grupos- este one-way, de dois níveis ANOVA produz exatamente o mesmo valor p como o clássico teste não pareado de igual variância t de Student.