Como comparar conjuntos de números combinados

Os desemparelhados (-amostras independentes) testes t, ANOVA de uma via, ANCOVA, e os seus homólogos não paramétricos lidar com as comparações entre dois ou mais grupos de independente

As amostras de dados, tais como diferentes grupos de sujeitos, onde não há nenhuma conexão lógica entre um sujeito específico em um grupo e um sujeito específico num outro grupo.

Mas muitas vezes você quiser comparar conjuntos de dados onde precisamente existe este tipo de emparelhamento. dados pareado surge em várias situações (ilustrados aqui para dois conjuntos de dados, mas aplicável a qualquer número de sets):

• Os valores vêm do mesmo assunto, mas em duas ou mais vezes diferentes, como antes e depois de algum tipo de tratamento, intervenção, ou evento.

• Os valores provenientes de um ensaio clínico cruzado, em que o mesmo sujeito recebe duas ou mais tratamentos em duas ou mais fases consecutivas do ensaio.

• Os valores vêm de dois ou mais indivíduos diferentes que foram emparelhados, ou combinados, de alguma forma. Eles podem ser gêmeos ou podem ser combinados com base de ter características semelhantes (como idade, sexo, e assim por diante).

Comparando pares combinados

Comparações pareadas são geralmente tratados pelo teste de Student t. Se os dados não é normalmente distribuída, você pode usar o não paramétrico Wilcoxon test-Ranks Assinado em vez de.

O teste t de Student pareado e o teste t de Student um grupo são realmente o mesmo teste. Quando a execução de um teste t emparelhado, o utilizador (ou o software) em primeiro lugar calcular a diferença entre cada par de números (por exemplo, subtrair o valor de pré-tratamento a partir do valor pós-tratamento), e em seguida testar essas diferenças contra o valor hipótese de 0 utilizando um teste de um grupo.

Comparando três números ou mais pareados

Quando você tem três ou mais números correspondentes, você pode usar medidas repetidas análise de variância (RM-ANOVA). O RM-ANOVA também pode ser usado quando você tem apenas dois grupos- então dá exatamente o mesmo valor de p como o clássico teste t de Student pareado.

Se os dados não é normalmente distribuído, você pode usar o não paramétrico teste de Friedman. (Tenha cuidado - existem vários testes de Friedman diferentes, e isso não é o mesmo que é usado no lugar de um two-way ANOVA!)

Outro problema a ser informado com RM-ANOVA e mais de dois níveis é a questão da esfericidade - uma extensão da idéia de variância igual a três ou mais conjuntos de valores emparelhados. Esfericidade refere-se ao facto das diferenças emparelhadas ter a mesma variação para todos os pares possíveis de níveis.

Esfericidade é avaliada pela teste de Mauchly, e se os dados forem significativamente não esféricas, ajustes especiais são aplicadas para o RM-ANOVA pelo software.