Multiple testingSome students will

Multiple testing
Some students will try to perform a large number of tests on their data. The chance of a
type I error increases with the number of tests. Adjustments to keep the type I error low
for a larger number of tests are included as post hoc tests in ANOVA. This will mean less of
the results are statistically significant. The most commonly used post hoc tests are Tukey
and Sidak although Scheffe’s is often used in medicine.
Suggest that the student looks in their notes or papers in their field when choosing. If
adjustments need to be made by hand, the Bonferroni adjustment is the easiest to explain
although it is the most conservative (least likely to lead to rejection of the null). Either
divide the significance level initially used (probably 0.05) by the number of tests being
carried out and compare the p-value with the new, smaller significance
level. Alternatively, multiply the p-value by the number of tests being carried out and
compare to 0.05. This is the standard adjustment made after the Kruskall-Wallis and has a
maximum limit of 1 (as it’s a probability!).

ผลลัพธ์ (ไทย) 1:

การทดสอบหลายนักเรียนบางคนจะพยายามทำข้อมูลจำนวนมากของการทดสอบ โอกาสของการประเภทข้อผิดพลาดเพิ่มขึ้นกับจำนวนการทดสอบ การปรับปรุงการเก็บชนิดฉันผิดพลาดต่ำสำหรับจำนวนการทดสอบจะรวมเป็นเฉพาะกิจหลังทดสอบ ANOVA นี้จะหมายถึง การผลมีนัยสำคัญทางสถิติ การทดสอบเฉพาะกิจหลังใช้บ่อยจะ Tukeyและ Sidak แม้ว่าของ Scheffe มักจะใช้ในการแพทย์แนะนำให้นักเรียนดูในบันทึกย่อหรือเอกสารในสาขาที่เลือก ถ้าการปรับปรุงต้องทำด้วยมือ การปรับ Bonferroni จะอธิบายง่ายที่สุดแม้ว่ามันจะมากที่สุด (อย่างน้อยน่าจะนำไปสู่การปฏิเสธของค่า null) อนุรักษ์ อย่างใดอย่างหนึ่งแบ่งระดับความสำคัญที่เริ่มใช้ (คง 0.05) โดยจำนวนการทดสอบการดำเนินการ และเปรียบเทียบค่า p ด้วยใหม่ ขนาดเล็กระดับ อีกวิธีหนึ่งคือ คูณค่า p ของการทดสอบการดำเนินการ และเปรียบเทียบกับ 0.05 นี้เป็นการปรับปรุงมาตรฐานที่ทำหลังจากวาลลิ Kruskall และมีการวงเงินสูงสุด 1 (มันเป็นความน่าเป็น)

ผลลัพธ์ (ไทย) 2:

หลายการทดสอบ
นักเรียนบางคนจะพยายามที่จะดำเนินการเป็นจำนวนมากของการทดสอบเกี่ยวกับข้อมูลของพวกเขา โอกาสของการที่
ผิดพลาดประเภทที่เพิ่มขึ้นกับจำนวนของการทดสอบ การปรับเปลี่ยนเพื่อให้เกิดข้อผิดพลาดต่ำประเภทที่
สำหรับจำนวนขนาดใหญ่ของการทดสอบจะถูกรวมเป็นโพสต์เฉพาะกิจการทดสอบในการวิเคราะห์ความแปรปรวน นี้จะหมายถึงน้อยกว่าของ
ผลมีนัยสำคัญทางสถิติ ที่ใช้กันมากที่สุดในการทดสอบนี้ที่โพสต์เป็น Tukey
และ Sidak แม้ว่าเชฟเฟมักจะถูกนำมาใช้ในการแพทย์.
แนะนำให้นักเรียนที่ปรากฏในบันทึกหรือเอกสารในสาขาของตนของพวกเขาเมื่อมีการเลือก หาก
ปรับเปลี่ยนจะต้องทำด้วยมือ, การปรับความ Bonferroni เป็นที่ง่ายที่สุดที่จะอธิบายถึง
แม้ว่ามันจะเป็นอนุรักษ์นิยมมากที่สุด (อย่างน้อยน่าจะนำไปสู่การปฏิเสธของโมฆะ) ทั้ง
แบ่งระดับความสำคัญแรกที่ใช้ (อาจ 0.05) โดยจำนวนของการทดสอบการเป็นผู้
ดำเนินการและเปรียบเทียบ p-value กับใหม่อย่างมีนัยสำคัญที่มีขนาดเล็ก
ระดับ อีกทางเลือกหนึ่งคูณ p-value จากจำนวนของการทดสอบจะถูกดำเนินการและ
เปรียบเทียบกับ 0.05 นี่คือการปรับมาตรฐานทำหลังจากที่ Kruskall-วาลลิสและมี
วงเงินสูงสุด 1 (ตามที่มันเป็นความน่าจะเป็น!)

ผลลัพธ์ (ไทย) 3:

การทดสอบหลาย ๆนักเรียนบางคนพยายามจะแสดงเป็นจำนวนมากของการทดสอบข้อมูลของพวกเขา โอกาสของประเภทที่ 1 เพิ่มขึ้นตามจำนวนของการทดสอบ การปรับเพื่อให้ความผิดพลาดประเภทที่ 1 ได้ต่ำสำหรับจำนวนขนาดใหญ่ของการทดสอบจะรวมเป็น Post Hoc Tests ในการวิเคราะห์ ความแปรปรวนทางเดียว นี้จะหมายถึง น้อยผลอย่างมีนัยสำคัญทางสถิติ ที่ใช้บ่อยที่สุด Post Hoc Tests เป็นคู่และ sidak แม้ว่าผู้ตอบก็มักจะใช้ในการแพทย์แนะนำให้นักเรียนดูในบันทึกหรือเอกสารในนามของพวกเขา เมื่อเลือก ถ้าการปรับเปลี่ยนต้องทำด้วยมือ บอนเฟอร์โรนีปรับเป็นง่ายที่สุดในการอธิบายถึงแม้ว่ามันเป็นอนุรักษ์นิยมมากที่สุด ( โอกาสน้อยที่จะนำไปสู่การปฏิเสธของ null ) ทั้งแบ่งระดับเริ่มต้นใช้ ( อาจจะ ) ) โดยจำนวนของการทดสอบเป็นการเปรียบเทียบระดับความสำคัญกับใหม่ขนาดเล็กระดับ อีกวิธีหนึ่งคือ คูณด้วยจำนวนของการทดสอบและดำเนินการและเปรียบเทียบกับ 0.05 นี้เป็นมาตรฐานที่ปรับขึ้น หลังจาก kruskall วาลลิสและมีวงเงินสูงสุด 1 ( มันน่าเป็น ! ) .