Good Mood

testy statystyczne są wykorzystywane w testowaniu hipotez. Można ich użyć do:

• określenia, czy zmienna predykcyjna ma statystycznie istotną zależność ze zmienną wyniku.
• oszacuj różnicę między dwiema lub więcej grupami.

testy statystyczne zakładają hipotezę zerową braku związku lub różnicy między grupami. Następnie określają, czy obserwowane dane mieszczą się poza zakresem wartości przewidywanych przez hipotezę zerową.,

Jeśli już wiesz, z jakimi typami zmiennych masz do czynienia, możesz użyć schematu blokowego, aby wybrać odpowiedni test statystyczny dla swoich danych.

SCHEMAT BLOKOWY testów statystycznych

do czego służy test statystyczny?

testy statystyczne działają poprzez obliczanie statystyki testu-liczby, która opisuje, jak bardzo zależność między zmiennymi w teście różni się od hipotezy zerowej braku związku.

następnie oblicza wartość p (wartość prawdopodobieństwa)., Wartość p szacuje, jak prawdopodobne jest, że można zobaczyć różnicę opisaną przez statystykę badania, jeśli hipoteza zerowa bez związku były prawdziwe.

Jeśli wartość statystyki badania jest bardziej ekstremalne niż statystyka obliczona z hipotezy zerowej, to można wywnioskować statystycznie istotny związek między predyktorem i zmiennych wyniku.

Jeśli wartość statystyki badania jest mniej ekstremalne niż ten obliczony z hipotezy zerowej, to można wywnioskować nie statystycznie istotny związek między predyktorem i zmiennych wyniku.,

kiedy wykonać test statystyczny

można wykonać testy statystyczne na danych, które zostały zebrane w sposób statystycznie poprawny – albo poprzez eksperyment, lub poprzez obserwacje wykonane przy użyciu metod próbkowania prawdopodobieństwa.

aby test statystyczny był ważny, wielkość próbki musi być wystarczająco duża, aby zbliżyć rzeczywisty rozkład badanej populacji.

aby określić, jakiego testu statystycznego użyć, musisz wiedzieć:

• czy Twoje dane spełniają określone założenia.
• typy zmiennych, z którymi masz do czynienia.,

założenia statystyczne

testy statystyczne przyjmują pewne wspólne założenia dotyczące danych, które testują:

1. niezależność obserwacji (a.k.a. brak autokorelacji): obserwacje / zmienne, które uwzględniasz w teście, nie są ze sobą powiązane (na przykład wielokrotne pomiary jednego podmiotu testowego nie są niezależne, podczas gdy pomiary wielu różnych podmiotów testowych są niezależne).
2. jednorodność wariancji: wariancja w każdej porównywanej grupie jest podobna we wszystkich grupach., Jeśli jedna grupa ma znacznie większą zmienność niż inne, ograniczy to skuteczność testu.
3. normalność danych: dane są zgodne z rozkładem normalnym (aka krzywa dzwonka). Założenie to dotyczy wyłącznie danych ilościowych.

Jeśli Twoje dane nie spełniają założeń normalności lub jednorodności wariancji, możesz być w stanie wykonać nieparametryczny test statystyczny, który pozwala na dokonywanie porównań bez żadnych założeń dotyczących rozkładu danych.,

Jeśli Twoje dane nie spełniają założenia niezależności obserwacji, możesz być w stanie użyć testu, który odpowiada strukturze w Twoich danych (testy powtarzalnych pomiarów lub testy zawierające zmienne blokujące).

typy zmiennych

typy zmiennych, które posiadasz, zazwyczaj określają, jakiego typu testu statystycznego możesz użyć.

zmienne ilościowe reprezentują ilości rzeczy (np. liczbę drzew w lesie). Rodzaje zmiennych ilościowych obejmują:

zmienne kategoryczne reprezentują grupy rzeczy (np. różne gatunki drzew w lesie)., Rodzaje zmiennych kategorycznych obejmują:

wybierz test, który pasuje do typów zmiennych predykcyjnych i wynikowych, które zebrałeś (jeśli robisz eksperyment, są to zmienne niezależne i zależne). Zapoznaj się z poniższymi tabelami, aby zobaczyć, który test najlepiej pasuje do Twoich zmiennych.

wybór testu parametrycznego: regresja, porównanie lub korelacja

testy parametryczne zwykle mają bardziej rygorystyczne wymagania niż testy nieparametryczne i są w stanie wyciągnąć silniejsze wnioski z danych. Mogą one być prowadzone wyłącznie z danymi, które są zgodne ze wspólnymi założeniami badań statystycznych.,

do najczęstszych typów testów parametrycznych należą testy regresyjne, testy porównawcze i testy korelacyjne.

testy regresyjne

testy regresyjne są używane do testowania relacji przyczynowo-skutkowych. Szukają wpływu jednej lub więcej zmiennych ciągłych na inną zmienną.,

	zmienna predykcyjna	zmienna wyniku	przykład pytania badawczego
prosta regresja liniowa	ciągła 1 predyktor	ciągły 1 wynik	jaki jest wpływ dochodu na długowieczność?,
regresja wielokrotna liniowa	ciągła 2 lub więcej predyktorów	ciągła 1 wynik	jaki jest wpływ dochodu i minut ćwiczeń dziennie na długowieczność?
regresja logistyczna	ciągła	binarna	jaki jest wpływ dawki leku na przeżywalność badanego obiektu?,

testy porównawcze

testy porównawcze Szukaj różnic między średnimi grupowymi. Mogą być używane do badania wpływu zmiennej kategorycznej na średnią wartość jakiejś innej cechy.

t-testy są używane przy porównywaniu środków dokładnie dwóch grup (np. średniej wysokości mężczyzn i kobiet). Testy ANOVA i MANOVA są używane do porównywania średniej wysokości więcej niż dwóch grup (np. średniej wysokości dzieci, nastolatków i dorosłych).,

d

• ilościowe
• grupy pochodzą z tej samej populacji

	zmienna predykcyjna	zmienna wyniku	przykład pytania badawczego
sparowany test t	kategoryczny 1 Predictor	jaki jest wpływ dwóch różnych programów przygotowujących do testów na średnie wyniki egzaminów dla uczniów z tej samej klasy?,
niezależny test t	kategoryczny 1 predyktor	ilościowy grupy pochodzą z różnych populacji	Jaka jest różnica w średnich wynikach egzaminu dla uczniów z dwóch różnych szkół?
ANOVA	kategoryczny 1 lub więcej predyktor	ilościowy 1 wynik	Jaka jest różnica w średnim poziomie bólu u pacjentów pooperacyjnych otrzymujących trzy różne leki przeciwbólowe?,
MANOVA	Categorical 1 lub więcej predictor	ilościowy 2 lub więcej wynik	jaki jest wpływ gatunków kwiatów na długość płatków, szerokość płatków i długość łodygi?

testy korelacji

testy korelacji sprawdzają, czy dwie zmienne są ze sobą powiązane bez zakładania zależności przyczynowo-skutkowych.

można ich użyć do sprawdzenia, czy dwie zmienne, których chcesz użyć w (na przykład) teście regresji wielokrotnej, są autokorelowane.,

	Predictor variable	Outcome variable	Research question example
Pearson’s r	Continuous	Continuous	How are latitude and temperature related?,

wybór testu nieparametrycznego

testy nieparametryczne nie składają się na tak wiele założeń dotyczących danych i są przydatne, gdy narusza się jedno lub więcej wspólnych założeń statystycznych. Jednak ich wnioski nie są tak silne, jak w przypadku testów parametrycznych.,h>test Wilcoxona Rank-Sum

• kategoryczny
• 2 grupy

ilościowe

grupy pochodzą z różnych populacji

niezależny test t Test Wilcoxona Signed-rank

• kategoryczne
• 2 grupy

• ilościowe
• grupy pochodzą z tej samej populacji

sparowany test t

SCHEMAT BLOKOWY: wybór testu statystycznego

ten schemat blokowy pomaga wybrać spośród testów parametrycznych., W przypadku alternatyw nieparametrycznych sprawdź powyższą tabelę.

Najczęściej zadawane pytania dotyczące testów statystycznych