Como comparar conjuntos de números correspondentes

Os desemparelhados (-amostra independente) testes t, ANOVA one-way, ANCOVA, e os seus homólogos não paramétricos lidar com comparações entre dois ou mais grupos de independente

amostras de dados, tais como diferentes grupos de indivíduos, onde não há conexão lógica entre um assunto específico em um grupo e um assunto específico em outro grupo.

Mas muitas vezes você quiser comparar conjuntos de dados, onde precisamente existe este tipo de emparelhamento. dados em pares combinados surge em diversas situações (ilustrados aqui para dois conjuntos de dados, mas aplicável a qualquer número de conjuntos):

• Os valores vêm do mesmo assunto, mas em dois ou mais vezes diferentes, tais como antes e depois de algum tipo de tratamento, a intervenção, ou evento.

• Os valores provenientes de um ensaio clínico cruzado, em que o mesmo sujeito recebe duas ou mais tratamentos em duas ou mais fases consecutivas do ensaio.

• Os valores vêm de dois ou mais indivíduos diferentes que foram emparelhados, ou que corresponderam, de alguma forma. Eles podem ser gémeos ou eles podem ser combinados na base de ter características semelhantes (tais como idade, sexo, e assim por diante).

Comparando pares combinados

Comparações pareadas são normalmente tratados pelo teste de Student t. Se os dados não é normalmente distribuído, você pode usar o não-paramétrico Wilcoxon test-Ranks Assinado ao invés.

O teste t de Student pareado eo teste t de Student um grupo são realmente o mesmo teste. Ao executar um teste t emparelhado, você (ou o software), primeiro calcular a diferença entre cada par de números (por exemplo, subtrair o valor de pré-tratamento a partir do valor de pós-tratamento) e, em seguida, testar essas diferenças em relação ao valor hipótese 0 usando um teste de um grupo.

Comparando três números ou mais pareados

Quando você tem três ou mais números correspondentes, você pode usar medidas repetidas análise de variância (RM-ANOVA). O RM-ANOVA também pode ser usado quando você tem apenas dois grupos- então dá exatamente o mesmo valor p como o clássico teste t de Student pareado.

Se os dados não é normalmente distribuído, você pode usar o não-paramétrico teste de Friedman. (Tenha cuidado - existem vários testes de Friedman diferentes, e isso não é o mesmo que é usado no lugar de um two-way ANOVA!)

Outro problema a ter em conta com a RM-ANOVA e mais de dois níveis é a questão da esfericidade - uma extensão da ideia de igualdade de variância a três ou mais conjuntos de valores emparelhados. Esfericidade refere-se ao facto de as diferenças emparelhadas ter a mesma variação para todos os pares possíveis de níveis.

Esfericidade é avaliada pela teste de Mauchly, e se os dados forem significativamente não esféricas, ajustes especiais são aplicados ao RM-ANOVA pelo software.