Tukey HSD ( "정직한 유의 차"또는 "정직한 유의 차") 테스트는 두 데이터 세트 간의 관계를 결정하는 데 사용되는 통계 도구입니다. 통계적으로 유의합니다. 즉, 한 값에서 관찰 된 수치 변화가 다른 값에서 관찰 된 변화와 인과 적으로 관련 될 가능성이 높은지 여부 값. 즉, Tukey 검정은 실험 가설을 검정하는 방법입니다.
Tukey 테스트는 세 개 이상의 변수 간의 상호 작용이 상호 작용하는지 확인해야 할 때 호출됩니다. 안타깝게도 통계적으로 유의미한 것은 개별 수준의 합계 또는 제품이 아닙니다. 의미.
왜 t- 검정이 아닌가?
간단한 통계 문제는 연구 시간과 같은 하나의 (독립적 인) 변수의 효과를 보는 것과 관련이 있습니다. 특정 시험을 위해 수업의 각 학생이 시험에서 학생의 점수와 같은 두 번째 (종속) 변수에 대해. 이러한 경우 일반적으로 통계적 유의성에 대한 컷오프를 P <0.05로 설정합니다. 여기서 실험은 해당 변수가 실제로 관련 될 가능성이 95 % 이상임을 나타냅니다. 그런 다음 실험의 데이터 쌍 수를 고려하는 t- 테이블을 참조하여 가설이 올바른지 확인합니다.
그러나 때때로 실험은 여러 독립 변수 또는 종속 변수를 동시에 볼 수 있습니다. 예를 들어, 위의 예에서 각 학생이 시험 전날 밤에 취한 수면 시간과 수업 성적이 포함될 수 있습니다. 이러한 다변량 문제는 독립적으로 관계를 변경하는 경우 순전히 숫자로 인해 t- 검정 이외의 것이 필요합니다.
ANOVA
ANOVA는 "분산 분석"을 나타내며 방금 설명한 문제를 정확하게 해결합니다. 변수가 추가됨에 따라 샘플에서 빠르게 확장되는 자유도를 설명합니다. 예를 들어, 시간과 점수는 하나의 페어링, 수면 대 점수는 또 다른 것입니다. 점수는 3 분의 1이며 모든 독립 변수는 서로 상호 작용합니다.
ANOVA 테스트에서 계산이 실행 된 후 관심있는 변수는 F입니다.녹이다모든 쌍 또는 그룹의 평균 변동을예상이러한 평균의 변동. 이 숫자가 높을수록 관계가 강해지고 "유의성"은 일반적으로 0.95로 설정됩니다. ANOVA 결과를보고하려면 일반적으로 SPSS와 같은 전용 통계 프로그램뿐만 아니라 Microsoft Excel에있는 것과 같은 기본 제공 계산기를 사용해야합니다.
Tukey HSD 테스트
John Tukey는 다음과 같은 수학적 함정을 깨달았을 때 자신의 이름을 딴 시험을 내놓았습니다. 독립 P- 값을 사용하여 다중 변수 가설의 유용성을 결정하려고합니다. 전부의. 당시 t- 검정은 3 개 이상의 그룹에 적용되었고 그는 이것을 부정직하다고 생각했습니다. 따라서 "정직하게 중요한 차이"가 발생했습니다.
그의 테스트는 값 쌍을 비교하는 것이 아니라 값 평균 간의 차이를 비교하는 것입니다. Tukey 검정의 값은 평균 쌍 간의 차이의 절대 값을 일원 분산 분석 검정에 의해 결정된 평균의 표준 오차 (SE)로 나눔으로써 제공됩니다. SE는 차례로 (분산을 표본 크기로 나눈 값)의 제곱근입니다. 온라인 계산기의 예는 리소스 섹션에 나와 있습니다.
Tukey 테스트는 데이터가 이미 수집 된 후 변수 간의 비교가 수행된다는 점에서 사후 테스트입니다. 이것은 이러한 비교가 미리 이루어지는 사전 테스트와 다릅니다. 전자의 경우 1 년에 세 개의 다른 체육 수업에서 학생들의 마일 실행 시간을 볼 수 있습니다. 후자의 경우 세 명의 교사 중 한 명에게 학생을 배정한 다음 시간이 정해진 마일을 달리게 할 수 있습니다.