De Bonferroni y de Greenhouse-Geisser correcciones con medidas repetidas ANOVA

Question

Supongo que mi pregunta viene en dos partes:

1. Después de un 1x7 de medidas repetidas ANOVA, que se lleva a cabo 3 pre-programadas pruebas. Dos fueron las pruebas t entre 2 de las presentes condiciones. El tercero es un 1x6 ANOVA (prueba de significación entre las condiciones de 2-7). Mi pregunta es:
   ¿Tengo que aplicar la corrección de Bonferroni para todas las 3 pruebas, o simplemente las 2 pruebas? I. e. si el nivel de significación se 0.05/3 = 0.017 para todas las 3 pruebas?

2. Como en el anterior, que se lleva a cabo un 1x7 de medidas repetidas ANOVA, y 3 pre-programadas pruebas (2 pruebas t y un 1x6 ANOVA). En el original 1x7, esfericidad, se asumió, por lo que me informe de la " esfericidad-asumió la estadística, y es no significativo. Siguiente, a pesar de esta falta de significación, yo decidí que debía hacer el pre-programadas pruebas en aras de la exhaustividad. Cuando hago la 1x6 ANOVA de medidas repetidas, de esfericidad de que NO se asume, por lo que utilizar el Greenhouse-Geisser de valores, y que viene significativa (si yo fuera a utilizar el shericity valores asumidos, sería no significativo). Mi problema aquí es que el análisis de VARIANZA, utilizando sólo 6 de la 1x7 condiciones que se avecina significativo cuando el original 1x7 no fue significativa. Lógicamente, esto no parece tener sentido para mí.
   Hay algunos 'regla de oro' por el cual el uso de Greenhouse-Geisser valores debe ser coherente?

Espero que esto tiene sentido. He de arrastre de internet. He mirado en más de las estadísticas de los libros que usted puede sacudir un palillo en. Pero nada se compara a discutir este tipo de situación.

Answer 1

Respecto a la corrección de Bonferroni (y las comparaciones múltiples problemas en general) Jacob Cohen, en su libro sobre la regresión, dijo que "este es un tema en el que personas razonables pueden diferir". Hay argumentos para no hacer esas correcciones (ver, por ejemplo, esta pieza por Andrew Gelman). Me parece tales argumentos persuasivos.

Si usted reducir la probabilidad de error de tipo 1 entonces (a igualdad de otras condiciones) que aumentar la probabilidad de error de tipo 2 (es decir, reducir el consumo de energía). En muchos campos, el "dado" los valores son .05 para el tipo 1 y .8 por el poder (.2 para el tipo 2). Pero estos pueden o no ser sensato. Error de tipo 2 puede ser mucho peor que el error de tipo 1.

En mi opinión, lo importante es no significación estadística, y, ciertamente, no se si es por debajo de .05, pero el tamaño del efecto y la precisión del tamaño del efecto.

Si correcto para comparaciones múltiples, es realmente una cuestión de lo "múltiple". Parafraseando Cohen, debe ser para un experimento? Un artículo? Un conjunto de resultados? Los resultados acerca de un tema? Todos los resultados que alguna vez? O qué?

Desde un punto de vista meramente práctico, usted puede ser obligado a hacer alguna cosa en particular para satisfacer a los editores de revistas o de otros supervisores.

Answer 2

Un par de puntos - demasiado largo para un comentario:

1. Si usted está protegiendo su pre-programadas pruebas con la corrección de Bonferroni, que no es necesario para ejecutar el original de ANOVA. La "doble protección" sólo se pierde el poder.
2. La mayoría de la norma "post-hoc" pruebas de ANOVA no necesita la protección de la original F-test. Esencialmente el único enfoque que necesita es cuando las pruebas post-hoc no se ajustan en absoluto. Esto generalmente no se recomienda, debido a que este enfoque sólo proporciona un control débil de la familywise tipo de tasa de error (es decir, la tasa de error de las comparaciones por pares es controlada sólo si todos los medios son iguales)
3. Se están haciendo cosas extrañas con la esfericidad de la asunción. Aproximadamente, esto significa que cualquier pares diferencias tienen la misma varianza. Si estás dispuesto a asumir que todo el diseño satisface, entonces cualquier subconjunto debe así. Así que si usted está utilizando GG de corrección para el subconjunto, usted debe utilizar para todo el conjunto (a la inversa no tiene que ser cierto). Si el GG de corrección de los cambios de los resultados sustancialmente (no solo el movimiento de la p-valor de 0.048 a 0.052), entonces la esfericidad es, probablemente, no está satisfecho.
4. Mantener confuso "no significativos" con "no hay diferencia". Mientras que este es tentador hacer, este pensamiento conduce a todo tipo de aparentes paradojas.