Tutkimusmenetelmäkurssin luentomonisteessa lukee: "Kannattaa aina käyttää parametrisia testejä, jos mahdollista, koska ne ovat voimakkaampia kuin ei-parametriset".
Mitä tuo testin voimakkuus oikein tarkoittaa? Sitä ei prujussa ole selitetty.
(Toivottavasti tämä on oikea palsta kysyä!)
Mitä tuo testin voimakkuus oikein tarkoittaa? Sitä ei prujussa ole selitetty.
(Toivottavasti tämä on oikea palsta kysyä!)
Vastaukset 4
Vanhimmat
Asian perusteellinen selittäminen saattaa mennä yli hilseesi, mutta koetetaan popularisoida olennainen testien käytön kannalta.
Testauksessa asetetaan vastakkain nollahypoteesi ja vaihtoehtoinen hypoteesi, josta toinen sitten hyväksytään ja toinen luonnollisesti hylätään. Nollahypoteesissa väitetään aina, että eroa tai riippuvuutta ei ole.
Testin voimakkuus on sen kyky hylätä väärä nollahypoteesi. Käytännössä tämä tarkoittaa, että mitä voimakkaampi testi, sitä paremmin se tuo esiin todelliset olemassaolevat erot tai riippuvuudet.
Kannattaa muuten kiinnitää huomiota prujun mainintaan "..., jos mahdollista,...". Käyttäytymistieteilijät näyttävät käyttävän aika yleisesti parametrisia testejä, vaikka niiden käytön edellytykset eivät täyty, tärkeimpänä muuttujan ei-normaalijkautuneisuus ja pieni otoskoko. Useimmille tavanomaisille paremetrisille testeille löytyy kuitenkin hyvinkin voimakkaat ei-parametriset vaihtoehdot. Esim. keskiarvojen eron merkitsevyyden testauksessa Mann-Whitneyyn U-testin voimakkuus on n. 96 % (3/π) parametrisen t-testin voimakkuudesta. Parametriselle (yksisuuntaiselle) varianssianalyysille on hyvä vaihtoehto ei-parametrinen Kruskal-Wallisin varianssianalyysi.
Kiitos selkeästä vastauksesta Tuli samalla arvokasta tietoa vähän enemmänkin kuin kysyin.
Täsmällinen määritelmä taitaa olla todennäköisyys, että H0 hylätään kun H1 on voimassa. Kaavana P(hylätään H0|H1 voimassa). https://en.wikipedia.org/wiki/Statistical_power
Luepa vastaukseni ensimmäinen lause. Arvelin, että vastaukseni riittää kysyjän tarpeisiin, virhettähän siinä ei ole. Linkkisi on ihan pätevä, mutta ei mene syntyihin syviin. Pitäisi selvittää myös esim. testien voimakkuusfunktio ja Neyman-Pearsonin testiteoria, jos asiaa halutaan juuria myöten perata.