. Mohou být použity k:
- určení, zda prognostická proměnná má statisticky významný vztah s výstupem proměnné.
- odhadněte rozdíl mezi dvěma nebo více skupinami.
statistické testy předpokládají nulovou hypotézu o žádném vztahu nebo rozdílu mezi skupinami. Pak určují, zda pozorovaná data spadají mimo rozsah hodnot předpovídaných nulovou hypotézou.,
Pokud již víte, s jakými typy proměnných máte co do činění, můžete pomocí vývojového diagramu zvolit správný statistický test pro vaše data.
statistické testy vývojový diagram
co dělá statistický test?
statistické testy fungují výpočtem zkušební statistiky-čísla, které popisuje, jak moc se vztah mezi proměnnými ve vašem testu liší od nulové hypotézy bez vztahu.
poté vypočítá hodnotu p (hodnota pravděpodobnosti)., Hodnota p odhaduje, jak je pravděpodobné, že byste viděli rozdíl popsaný statistikou testu, pokud by nulová hypotéza o žádném vztahu byla pravdivá.
je-Li hodnota testovací statistiky je víc extrémní, než statistika počítá od nulovou hypotézu, pak lze usuzovat na statisticky významný vztah mezi prediktorem a výsledek proměnné.
je-Li hodnota testovací statistiky je méně extrémní, než vypočtenou ze nulovou hypotézu, pak lze odvodit, žádný statisticky významný vztah mezi prediktorem a výsledek proměnné.,
, Kdy k provedení statistického testu
můžete provést statistické testy na údaje, které byly shromážděny statisticky platným způsobem – buď prostřednictvím experimentu, nebo prostřednictvím pozorování provedených pomocí pravděpodobnostní metody odběru vzorků.
aby byl platný statistický test, musí být vaše velikost vzorku dostatečně velká, aby přibližovala skutečné rozložení studované populace.
Chcete-li zjistit, který statistický test chcete použít, musíte vědět:
- zda vaše data splňují určité předpoklady.
- typy proměnných, se kterými máte co do činění.,
Statistické předpoklady
Statistických testů, aby některé společné předpoklady o datech jsou testování:
- Nezávislost pozorování (.k.a. žádná autokorelace): pozorování/proměnné patří v testu nejsou ve spojení (například, více měření z jednoho zkušebního předmětu nejsou nezávislé, zatímco měření z více různých testovací subjekty jsou nezávislé).
- homogenita rozptylu: rozptyl v každé porovnávané skupině je u všech skupin podobný., Pokud má jedna skupina mnohem více variací než ostatní, omezí účinnost testu.
- normálnost dat: data sledují normální distribuci(zvonovou křivku). Tento předpoklad se vztahuje pouze na kvantitativní údaje.
Pokud vaše data nesplňují předpoklad normality nebo homogenitu rozptylu, může být schopen provést neparametrický statistický test, který umožňuje provést srovnání, bez jakékoli předpoklady o distribuci dat.,
Pokud vaše data nesplňují předpoklad nezávislosti pozorování, může být schopen použít test, který tvoří strukturu v datech (opakované opatření testy nebo testy, které zahrnují blokování proměnných).
typy proměnných
typy proměnných, které máte, obvykle určují, jaký typ statistického testu můžete použít.
kvantitativní proměnné představují množství věcí (např. počet stromů v lese). Typy kvantitativních proměnných zahrnují:
kategorické proměnné představují seskupení věcí (např. různé druhy stromů v lese)., Typy kategorické proměnné patří:
Vyberte test, který se hodí typy prediktor a výsledek proměnných, které jste získali (pokud děláte experiment, tyto jsou nezávislé a závislé proměnné). Podívejte se na níže uvedené tabulky a zjistěte, který test nejlépe odpovídá vašim proměnným.
Výběru parametrického testu: regrese, srovnání, nebo korelace
Parametrické testy mají obvykle přísnější požadavky, než neparametrické testy, a jsou schopni, aby se silnější závěry z údajů. Mohou být prováděny pouze s údaji, které dodržují společné předpoklady statistických testů.,
mezi nejčastější typy parametrických testů patří regresní testy, srovnávací testy a korelační testy.
Regresní testy
Regrese testy se používají pro testování příčina-a-účinek vztahy. Hledají vliv jedné nebo více spojitých proměnných na jinou proměnnou.,
| Prediktor proměnnou | Výsledek proměnná | Výzkumná otázka příklad: | |
|---|---|---|---|
| Jednoduchá lineární regrese |
|
|
Jaký je vliv příjmu na dlouhověkost?, |
| Vícenásobné lineární regrese |
|
|
Jaký je vliv příjmu a minut cvičení denně na dlouhověkost? |
| Logistické regrese |
|
|
Jaký je účinek léku dávkování na přežití testovací subjekt?, |
Srovnání testů
Srovnávací testy podívejte se na rozdíly mezi skupinami. Mohou být použity k testování účinku kategorické proměnné na střední hodnotu nějaké jiné charakteristiky.
t-testy se používají při porovnávání prostředků přesně dvou skupin (např. průměrné výšky mužů a žen). Testy ANOVA a MANOVA se používají při porovnávání prostředků více než dvou skupin (např. průměrné výšky dětí, dospívajících a dospělých).,
| Prediktor proměnnou | Výsledek proměnná | Výzkumná otázka příklad: | |
|---|---|---|---|
| párový t-test |
|
|
Jaký je vliv dvou různých zkušební prep programy na průměrné výsledky zkoušky pro žáky ze stejné třídy?, |
| Nezávislý t-test |
|
|
Jaký je rozdíl v průměrné výsledky zkoušky pro studenty od dvou různých škol? |
| ANOVA |
|
|
Jaký je rozdíl v průměrné úrovně bolesti mezi post-chirurgických pacientů vzhledem k tomu, tři různé léky proti bolesti?, |
| MANOVA |
|
|
Jaký je vliv květina druhů na petal length, okvětní lístek šířka a délka stonku? |
Srovnávací testy
Srovnávací testy, zkontrolujte, zda dvě proměnné jsou spojeny, aniž by za předpokladu, příčina-a-účinek vztahy.
tyto mohou být použity k testování, zda jsou dvě proměnné, které chcete použít v (například) vícenásobném regresním testu, autokorelovány.,
| Predictor variable | Outcome variable | Research question example | |
|---|---|---|---|
| Pearson’s r | Continuous | Continuous | How are latitude and temperature related?, |
Výběr neparametrický test
Non-parametrické testy nedělají jako mnoho předpokladů o datech, a jsou užitečné, když jeden nebo více společných statistických jsou porušeny předpoklady. Závěry, které dělají, však nejsou tak silné jako u parametrických testů.,h>Wilcoxonův Rank-Sum test
- Kategorické
- 2 skupiny
- Kvantitativní
- skupiny pocházejí z různých populací
- Kategorické
- 2 skupiny
- Kvantitativní
- skupiny pocházejí ze stejné populace
vývojový Diagram: výběr statistického testu
Tento diagram vám pomůže vybrat si mezi parametrické testy., U neparametrických alternativ zkontrolujte výše uvedenou tabulku.
Nejčastější dotazy týkající se statistických testů
Statistické testy běžně předpokládají, že:
- data jsou normálně rozložena
- skupiny, které jsou ve srovnání mají podobný rozptyl,
- data jsou nezávislá
Pokud vaše data nesplňuje tyto předpoklady, můžete být stále schopni použít neparametrické statistické testy, které mají méně požadavků, ale také slabší závěry.,
statistický test je číslo vypočtené statistickým testem. Popisuje, jak daleko jsou vaše pozorovaná data z nulové hypotézy o žádném vztahu mezi proměnnými nebo žádný rozdíl mezi skupinami vzorků.
zkušební statistika vám řekne, jak odlišné jsou dvě nebo více skupin od celkového populačního průměru nebo jak odlišný je lineární sklon od svahu předpovídaného nulovou hypotézou. Různé statistiky testů se používají v různých statistických testech.
Statistické významnosti je termín používaný vědci uvádějí, že to je nepravděpodobné, že by jejich připomínky by došlo pod nulovou hypotézu, statistický test. Význam je obvykle označován hodnotou p nebo hodnotou pravděpodobnosti.
statistická významnost je libovolná-závisí na prahu nebo hodnotě alfa, kterou zvolil výzkumník. Nejběžnějším prahem je p < 0.05, což znamená, že data se pravděpodobně vyskytnou méně než 5% času podle nulové hypotézy.,
když hodnota p klesne pod zvolenou hodnotu alfa, pak říkáme, že výsledek testu je statisticky významný.
kvantitativní proměnné jsou proměnné, kde data představují množství (např. výška, hmotnost nebo věk).
kategorické proměnné jsou libovolné proměnné, kde data představují skupiny. To zahrnuje žebříčky (např. dokončovací místa v závodě), klasifikace (např. značky obilovin), a binární výsledky (např. mince Salta).,
musíte vědět, jaký typ proměnných se pracuje s vybrat správné statistické testy pro vaše data a interpretovat výsledky.
Diskrétní a spojité proměnné jsou dva typy kvantitativních proměnných:
- Diskrétních proměnných představují počty (např. počet objektů v kolekci).
- spojité proměnné představují měřitelná množství (např. objem vody nebo hmotnost).
