Milyen statisztikai elemzést hajtok végre, amikor három dolgot összehasonlítok egymással?

Három vagy több adatsor összehasonlítására szolgáló statisztikai elemzés az összegyűjtött adatok típusától függ. Minden statisztikai tesztnek vannak bizonyos feltételezései, amelyeknek meg kell felelniük a teszt megfelelő működéséhez. Ezenkívül az adatok összehasonlításának milyen aspektusai lesznek hatással a tesztre. Például, ha a három adatsor mindegyikének két vagy több mérése van, akkor más típusú statisztikai tesztre lesz szüksége.

Három vagy több adatsor egyik leggyakoribb statisztikai tesztje a varianciaanalízis (ANOVA). A teszt használatához az adatoknak meg kell felelniük bizonyos feltételeknek. Először is, az adatoknak numerikusaknak kell lenniük. A rendes adatok - például az 5 pontos skála besorolása, az úgynevezett Likert-skála - nem numerikus adat, és az ANOVA nem fog pontos eredményt adni, ha rendes adatokkal együtt használják. Másodszor, az adatokat általában haranggörbében kell elosztani. Ha ezek a feltételezések teljesülnek, az ANOVA teszt felhasználható egyetlen függő változó három vagy több mintán vagy adatsorozaton belüli varianciájának elemzésére. Ne feledje, hogy a függő változó az a tényező, amelyet a vizsgálat során mér.

Azokban az esetekben, amikor az ANOVA feltételezései teljesülnek, de egynél több függő változót szeretne mérni, akkor a többváltozós varianciaanalízishez vagy a MANOVA-ra lesz szükség. A függő változók azok a tényezők, amelyeket mérni szeretne és meg akar vizsgálni. A független változó vagy változók befolyásolják a függő változót. Tegyük fel például, hogy a megterhelő testmozgás vérnyomásra, fogyásra és pulzusra gyakorolt ​​hatását mérte. A független változó az edzés, a függő változók pedig a vérnyomás, a fogyás és a pulzus. Ebben a helyzetben a MANOVA-t használná. Ennek a statisztikai tesztnek a kiszámítása nagyon bonyolult, és számítógépet és speciális szoftvert igényel.

Sok különböző nem paraméteres teszt létezik, de általában nem paraméteres statisztikákat használnak, ha az adatok rendesek és / vagy nem normálisan vannak elosztva. A nem parametrikus tesztek közé tartozik az előjel, a khi-négyzet és a medián teszt. Ezeket a teszteket gyakran alkalmazzák, amikor felmérési adatokat elemeznek, ahol a válaszadóknak különböző állításokat kellett értékelniük; például a "teljesen nem értek egyet, nem értek egyet, egyetértek, teljesen egyetértek" skála rendes adatoknak minősül. Ezeket a teszteket gyakran könnyű kézzel kiszámítani, bár egy táblázat segít.

A következtetési tesztek mellett egyszerű leíró statisztikákat is használhat az adatkészletek gyors és egyszerű áttekintéséhez. Jelentheti a három adatsor átlagát, szórását és százalékát. A leíró statisztikák segítenek az adatok gyors áttekintésében, de nem használhatók következtetések levonására. Például, ha a három adathalmaz egyikének változója 20 százalékkal magasabb, mint a másik két adathalmaz, akkor nem mondhatja el, hogy A különbség "statisztikailag szignifikáns" anélkül, hogy valamilyen következtetéses statisztikai tesztet használna, mint például ANOVA, MANOVA vagy nem parametrikus teszt.