在比较两个效果强度的情况下,如果不能直接比较两个效果的强度,则研究人员发现干涉对实验组有显着的效果,但是对对照组没有很大的影响。(他们有这样的倾向)结论是参与有效的。
根据两者的参与效果(组内的效果)明显不同。研究人员认为实验小组的效果比对照小组的效果大。这个推论是普遍的,但这是错误的。我在三天内写了一篇合格的论文。
例如在图1A中测量两个变量X和Y,并且使用两个被试验对象的组,各组20人。两组测量的统计有效性可能有不同的结果:在A组中,两个变量之间的相关性可能是有意义的(即p≤0.05),但是B组中类似的相关性数可能不显着。
即使两个组中的两个变量之间的关系基本相同,该组的数据也会产生很大的影响,也没有其他组(图1A)。因此,一个相关性不认为比其他相关性强。首先,用2组A和B测量两个变量X和Y。
揭示了这些两个组测量之间这些变量之间的相关性不相同。但是,计算Pearson相关数目r的有意义,将两个相关性与0比较,一个组(A组;黑点;n=20)的相关性在统计上可能有意义(基于p阈值≤0.05),另一组(B组;红点;n=20)不显着。然而,这并不意味着变量X与Y之间的相关性在两组之间是不同的。
蒙特卡罗模拟可用于比较两组之间的相关性。第二,在实验研究的背景下,在特定的测量结果中,可以看到两个组的差异(例如训练前后的差异)。C组和D组的平均值相同,D组的分散很大。
使用独立样本t,将各组的结果指标与0进行比较,变量组与0个变量之间存在很大的差异(C组;左;n=20),但没有显著的差别。其他组的差异(D组;右侧;n=20)。
但是,这并不意味着两个组的测量结果不同。此时,使用配对样本t直接比较两个组。结果表明两个组的测量结果没有区别。
?https://?最后,学校指定的论文检查软件必须被选为最终论文的免费检查软件。论文免费查重网站入口系统。优先论文是狗免费调查重系统。论文调查的重量是论文答辩前必要的步骤。初稿可以选择论文狗免费论文检查系统进行重检查。
在评估不同干涉措施组的效果时,也会发生同样的问题。干扰在组中具有显着的效果,但在其他组中没有(图1B)。但是,这并不是说介入的效果在两个小组之间是不同的。实际上,在这种情况下,两个组没有很大的区别。只能得出这样的结论:通过两个效果的直接统计比较,干涉措施的效果与介入措施的效果形成鲜明对比。因此,不仅仅是基于两个个别检查及其重要性的差异的推论,还必须使用统计检查来比较这两个效果。
AC使用19个样本(黑色圆圈)模拟了两个不同的非相关变量,并添加了另一个数据点(红色填充日元)。系统地改变数据点和主数据之间的距离,直到完全的组值(C组)。
注意,主数据与红色数据点之间的距离增加时,皮尔森相关数R值人为增加。这表明单个数据点可能引起错误的皮尔森相关。在D-F中,使用20个样本模拟了两个不同的非相关变量,但这些变量随机被分类为两个子组(红色和黑色,每个组n=10)。
系统地改变了从D组到F组两个子组之间的距离。类似地,R的值将随着子组之间距离的增加而人工增加。
这表明相关变量在不考虑子组的存在的情况下产生错误的相关性。信赖区间(CI)表示灰色,表示通过Bootstrap程序获得的相关值分布的2.5%和97.5%之间的区域。错误是如何发现的?比较两个效果的差异,通常会发生这个错误,但是没有统计方法的话可以直接比较两个效果。
研究人员如果不进行必要的统计分析来推测的话,通常会发生这个问题。解决错误解决方案的研究人员在组间比较时,直接比较组。使用蒙特卡罗模拟可以比较两组之间的相关性。
可能应用ANOVA来比较多个组。虽然非参数统计也提供了一些方法,但是需要根据特定情况使用这些方法。