For a small number of factor levels

For a small number of factor levels no method keeps nominal α value. Welch-Test and
weighted ANOVA perform best in this situation, but with a higher number of factor
levels, the results get worse. Kruskal-Wallis test cannot be recommended, because it gets
more conservative with increasing number of factor levels. Permutation variant of this
test seems to become better with increasing factor levels, but with a higher number of
observations (e.g. sample sizes: 5,25,10 observed α=0.118 at the 5%-level) the problem
get worse. Overall no method is appropriate for the situation of inhomogeneous variances
as soon as the biggest sample size does not correspond to the highest variance.
Situation for Table 4 is contrary to that of Table 3 in that sense, as the biggest sample
size (5) corresponds with the highest standard deviations (3).

ผลลัพธ์ (ไทย) 1:

สำหรับจำนวนขนาดเล็กของระดับปัจจัย วิธีการไม่เก็บค่าαที่ระบุ ทดสอบ Welch และ
ถ่วงน้ำหนักในการวิเคราะห์ความแปรปรวนทำดีที่สุด ในสถานการณ์นี้ แต่ของปัจจัย
ระดับ ผลทรุด ทดสอบ Kruskal วาลลิแนะนำ เนื่องจากได้รับ
หัวเก่ามากขึ้น ด้วยการเพิ่มจำนวนของระดับปัจจัยการ การเรียงสับเปลี่ยนตัวแปรนี้
ทดสอบดูเหมือนจะ กลายเป็นดี ด้วยการเพิ่มตัวคูณระดับ แต่ของ
สังเกต (ตัวอย่างเช่น ขนาด: α 5,25,10 สังเกต = 0.118 ที่ระดับ 5%) ปัญหา
ทรุด รวม วิธีการไม่เหมาะสมสำหรับสถานการณ์ของผลต่างของการใช้งาน
เป็นตัวอย่างขนาดใหญ่ที่สุดตรงกับผลต่างสูงสุดไม่
สถานการณ์ในตาราง 4 จะขัดกับที่ 3 ของตารางใน เป็นตัวอย่างที่ใหญ่ที่สุด
ขนาด (5) ตรงกับเบี่ยงเบนมาตรฐานสูงสุด (3)

ผลลัพธ์ (ไทย) 2:

สำหรับขนาดเล็กจำนวนมากของระดับปัจจัยวิธีการไม่เก็บค่าαน้อย เวลช์การทดสอบและการ
วิเคราะห์ความแปรปรวนถ่วงน้ำหนักที่ทำงานได้ดีที่สุดในสถานการณ์เช่นนี้ แต่มีจำนวนที่สูงขึ้นของปัจจัย
ระดับผลการได้รับแย่ลง ทดสอบ Kruskal-วาลลิสไม่สามารถแนะนำเพราะจะได้รับ
มากขึ้นในเชิงอนุรักษ์นิยมที่มีจำนวนเพิ่มมากขึ้นของระดับปัจจัย การเปลี่ยนแปลงของตัวแปรนี้
ทดสอบดูเหมือนว่าจะกลายเป็นดีขึ้นด้วยการเพิ่มระดับปัจจัย แต่มีจำนวนที่สูงขึ้นของ
การสังเกต (เช่นขนาดตัวอย่าง: 5,25,10 αสังเกต = 0.118 ที่ -level 5%) ปัญหา
แย่ลง โดยรวมวิธีการไม่เหมาะสมกับสถานการณ์ของความแปรปรวน inhomogeneous
เร็วที่สุดเท่าที่ขนาดของกลุ่มตัวอย่างที่ใหญ่ที่สุดไม่สอดคล้องกับความแปรปรวนสูงสุด
สถานการณ์สำหรับตารางที่ 4 เป็นตรงกันข้ามกับที่ของตารางที่ 3 ในแง่ที่ว่าเป็นตัวอย่างที่ใหญ่ที่สุด
ขนาด (5) สอดคล้องกับ มีสูงสุดค่าเบี่ยงเบนมาตรฐาน (3)

ผลลัพธ์ (ไทย) 3:

มีขนาดเล็กจำนวนของระดับปัจจัย ไม่มีวิธีเก็บค่าαปกติ เวลช์ทดสอบและ
ถัว ANOVA แสดงที่ดีที่สุดในสถานการณ์นี้ แต่ด้วยตัวเลขที่สูงขึ้นของระดับปัจจัย
, ผลลัพธ์ที่แย่ลง Kruskal Wallis Test ไม่แนะนำเพราะมันจะ
อนุรักษ์นิยมมากขึ้นด้วยการเพิ่มจำนวนระดับปัจจัย การเปลี่ยนแปลงตัวแปรนี้
ทดสอบ ดูเหมือนจะดีขึ้นตามการเพิ่มขึ้นของระดับปัจจัย แต่ด้วยตัวเลขที่สูงขึ้นของ
สังเกต ( เช่นขนาดตัวอย่าง : 5,25,10 สังเกตα = 0.118 ที่ระดับ 5% - ) ปัญหา
แย่ลง โดยรวม ไม่มีวิธีที่เหมาะสมกับสถานการณ์ของ inhomogeneous ความแปรปรวน
ทันทีที่ขนาดตัวอย่างที่ใหญ่ที่สุดที่ไม่สอดคล้องกับความแปรปรวน
สูงสุดสถานการณ์ที่ 4 ตารางที่ตารางที่ 3 แต่ในความรู้สึกนั้น เมื่อขนาดตัวอย่างใหญ่
( 5 ) สอดคล้องกับส่วนเบี่ยงเบนมาตรฐานสูงสุด ( 3 )