Сравнение нескольких групп: anova post hoc test или pairwise.t.test?
Есть фундаментальный вопрос, который я не смог полностью понять. У меня есть 5 независимых групп, и я хочу знать, какие из этих групп отличаются. Таким образом, у меня есть два варианта: 1. Сделать одностороннюю анову и затем выполнить специальный тест (например, Тьюки). 2. Просто выполнить множественный t-тест, а затем скорректировать значения p, используя pairwise.t.test. Какой подход мне выбрать? Чем отличаются эти два подхода?
Дополнительный вопрос: если эти 5 групп являются зависимыми группами (повторная мера), то как правильно провести такое сравнение? Есть ли разница с тем, когда эти группы независимы?
Заранее спасибо за экспертное мнение.
1 ответ
Это в основном зависит от того, являются ли ваши прогнозы относительно того, какие группы отличаются друг от друга, априори (сделанные до того, как вы увидите данные) или постфактум (только после того, как вы увидите данные). Если до того, как вы начали собирать данные, у вас были конкретные прогнозы о том, что некоторые группы будут выше или ниже, чем другие, вам действительно следует использовать заранее спланированные контрасты (которые в некоторых условиях могут быть сведены к простым t-тестам).
Если, с другой стороны, вы просто подумали, что некоторые группы могут отличаться, но вы не знаете, какие из них, то вам следует выполнить общий ANOVA и впоследствии провести некую форму исправленного теста. Такие тесты, как тест Тьюки и t-тесты с исправленным p-значением (Bonferroni), одинаковы в том смысле, что они корректируют уровень, необходимый для того, чтобы считать разницу статистически значимой. Разница заключается в методе, используемом для коррекции.
Бонферрони исправляет несколько тестов. Тьюки (и др.) Исправляет множественные тесты и тестовый характер.
Вы найдете эту страницу полезной для вопроса о том, как сделать все это с помощью повторяющихся мер: Страница Дэвида Хауэлла "Как проводить множественные сравнения с повторными измерениями"