Olen tutkimuksessani vertaillut kahden ryhmän välillä kahden komponentin välistä kulmaa. Ryhmässä A on 120 arvoa (vaihteluväli 38-62 astetta) ja keskiarvo 48 astetta. Ryhmässä B on kaksi arvoa ja keskiarvo 62,5 astetta (vaihteluväli 61 ja 64 astetta) . Vertailin näitä keskiarvojen Mann-Whitneyn testillä. Sain p:n arvoksi 0.01.
Kommentaattori sanoi että tämä analyysi on "worthless" koska toisessa ryhmässä on vain kaksi arvoa. Mutta eikö juuri otoskoko vaikuta p:n suuruuteen? Eikö tuo p:n arvo ole juuri ainoa miten voin arvioida onko tämä ero merkitsevä?
Kommentaattori sanoi että tämä analyysi on "worthless" koska toisessa ryhmässä on vain kaksi arvoa. Mutta eikö juuri otoskoko vaikuta p:n suuruuteen? Eikö tuo p:n arvo ole juuri ainoa miten voin arvioida onko tämä ero merkitsevä?
Vastaukset 8
Vanhimmat
Kaksi on kyllä liian pieni otoskoko yleensäkin, oikeastaan ei otos ollenkaan. Periaatteessa M-W toimii näennäisesti silläkin - toimii jopa yhdellä havainnolla - kun testi ei sisällä jakaumaolettamusta, eikä vapausasteista näin tarvitse välittää. Tällöin ohjelmistot laskevat (kun toinen ryhmä on noin suuri) U-testisuureen ja käsittelevät sitä standardoituna normaalijakautuneena satunnaismuuttujana. Jokin p-tuloshan siitä aina tulee, mutta ei tuloksessa ole järkeä.
Perehdy vähän M-W:n teoreettiseen taustaan, niin ymmärrät, miksi.
Kiitos selittävästä vastauksesta.
Onko tuolla asettelulla mahdollistaa saada mitään tilastollista merkitsevyyttä muuten?
Jos tuolla ryhmä B:llä on vaikka päätetapahtuma X, jota ryhmällä A ei ole ja otan rajaksi 60 astetta. Ryhmä A sisältää kaksi tapausta, jossa joilla kulma on yli 60 astetta (ilman päätetapahtumaa), ja ryhmä A ei sisällä muita. Onko RR:n laskeminen myös tällä asettelulla turhaa?
Ei taida olla mahdollista laskea koska ne joilla riskitekijä neg. (
Et kertonut alkuperäistä testausongelmaa, eikä sillä ole merkitystäkään, ellei ihan hulluja yritä. Aritmeettiinen keskiarvo on se ja sama, laskipa sen kulmista tai peräpukamista. En tajua tehtävää tuntematta ainakaan, miten joku riskitekijä kuuluisi kuvioon.
Mann-Whitney ei muuten sovellu sellaisenaan mihinkään nelikenttätestauksiin, ellei nelikenttiä ole muodostettu datasta jollain luokittelulla, ja testiä kuitenkin tehdä alkuperäisellä datalla.
Pistäpä koko testausongelma näkyviin, niin katsotaan sitten.
Juu asetelma on sellainen, jossa potilaaseen on laitettu mekaaninen laite, jonka kulma vaakatasoon voidaan mitata. Kulma vaihtelee 30-70 välillä. Kaikkien tapausten keskiarvo on 48 astetta. Kahdella potilaalla kulma oli se 61 ja 64 astetta ja heiltä laite on jouduttu ongelmien vuoksi poistamaan. Kahdessa tapauksessa kulma on yli 60 astetta mutta laite edelleen toimii.
Hypoteesi on siis että liian suuri kulma (>60 astetta) altistaa laitteen epäonnistumiselle ja sen poistamiselle. Pyrkimykseni on siis löytää jokin tilastollinen suure osoittamaan, että liian suuri kulma altistaa sen poistamiselle.
Ei tuossa tapauksessa. ole mitään järkeä testailla keskiarvojen eron merkitystä. Yksinkertainen "tilastollinen johtopäätös" on, että kulman ollessa yli 60 astetta laite ei toimi 50 %:ssa tapauksista.
Oikeastaan on moraalitonta alkaa leikkiä testeillä tuollaista, kun ihmisten terveydestä on kysymys. Parempi olisi selvittää, millaisilla potilailla laite toimii/ei toimi, kun kulma oli yli 60 astetta. Järki sanoo jo tuon aineiston perusteella, että yli 60 asteen kulmaa ei kannata käyttää.
Jos nyt vättämättä haluat joutavaa testaustemppuilua, niin tee nelikenttä, jossa sarakkeina on kulman suuruus () ja riveinä toimivuus (toimii/ei). Siihen sitten khi-neliötesti, jonka testisuureen arvosta voit laskea kontingenssikertoimen tai phi-kertoimen.
Tämä tietysti on aika tavalla härskiä, koska kulma-muuttujan luokkarajat on otettu aineistoa tarkastelemalla, ei kunnollisina etukäteen perusteltuna hypoteesina.
Varmaankin totean vain että 50 %:ssa tapauksista laite ei toimi, kun >60 astetta. On silläkin sitten jkv painoarvoa vaikka ei tilastollista analyysiä voi tehdä.
Mutta suuret kiitokset asiaan vihkiytymisestä!