CONCLUSIONS: In terms of type I err

CONCLUSIONS: In terms of type I error rate analysis: Traditional ANOVA is the best when
data are homogeneous, normal, and balanced/unbalanced; Welch method performs the best when
data are heterogeneous, normal, and balanced/unbalanced; Kruskal-Wallis is most unstable when
the data are non-normal, while both ANOVA and Welch have type I error inflation problems. In
terms of power analysis, three methods may have different powers depending on the settings of
simulations.

ผลลัพธ์ (ไทย) 1:

บทสรุป: ในแง่ของชนิดฉันวิเคราะห์อัตราข้อผิดพลาด: การวิเคราะห์ความแปรปรวนแบบดั้งเดิมคือ เมื่อดีที่สุดข้อมูลไม่เหมือน ปกติ ความ สมดุล/สมดุล Welch วิธีทำดีที่สุดเมื่อข้อมูลจะแตกต่างกัน ปกติ ความ สมดุล/สมดุล วาลลิ Kruskal ไม่เสถียรมากที่สุดเมื่อข้อมูลจะไม่ปกติ ในขณะที่การวิเคราะห์ความแปรปรวนและ Welch มีชนิดฉันข้อผิดพลาดปัญหาเงินเฟ้อ ในเงื่อนไขการวิเคราะห์พลังงาน วิธีที่สามอาจมีอำนาจแตกต่างกันขึ้นอยู่กับการตั้งค่าของจำลอง

ผลลัพธ์ (ไทย) 2:

โดยสรุปในแง่ของประเภทที่ผมวิเคราะห์อัตราความผิดพลาด: ANOVA
แบบดั้งเดิมที่ดีที่สุดคือเมื่อข้อมูลที่เป็นเนื้อเดียวกันปกติและมีความสมดุล/ ไม่สมดุล; วิธีการดำเนินการเวลช์ที่ดีที่สุดเมื่อข้อมูลที่แตกต่างกันปกติและมีความสมดุล / ไม่สมดุล;
Kruskal-Wallis
ไม่เสถียรมากที่สุดเมื่อข้อมูลมีความไม่ปกติในขณะที่ทั้งสองANOVA และเวลช์มีความผิดพลาดประเภทปัญหาเงินเฟ้อ ในแง่ของการวิเคราะห์อำนาจสามวิธีอาจมีอำนาจที่แตกต่างกันไปขึ้นอยู่กับการตั้งค่าของการจำลอง

ผลลัพธ์ (ไทย) 3:

สรุป : ในแง่ของอัตราความคลาดเคลื่อนประเภทที่ 1 ในการวิเคราะห์ : การวิเคราะห์แบบดั้งเดิมที่ดีที่สุดคือเมื่อ
ข้อมูลเป็นเนื้อเดียวกัน , ปกติ , และสมดุล / สมดุล ; เวลช์ วิธีการที่ดีที่สุดเมื่อ
ข้อมูลต่างกัน ปกติ และมีความสมดุล / มั่นคง ; Kruskal Wallis จะเสถียรมากที่สุดเมื่อ
ข้อมูลจะไม่ปกติ ในขณะที่การวิเคราะห์เวลช์มีอัตราความคลาดเคลื่อนประเภทที่ 1 ปัญหา ในแง่ของพลังการวิเคราะห์
,สามวิธีการอาจมีพลังที่แตกต่างกันขึ้นอยู่กับการตั้งค่าของ







จำลอง .