Sinun tulisi käyttää allekirjoitettua sijoitustestiä, kun tiedot paritetaan .

Löydät useita määritelmiä pariliitoksesta, mutta ytimessä kriteeri on asia, joka tekee arvopareista ainakin jonkin verran positiivisesti riippuvaisia, kun taas parittomat arvot eivät ole riippuvaisia. Usein riippuvuuden pariutuminen johtuu siitä, että he ovat havainnot samasta yksiköstä (toistuvat mittaukset), mutta sen ei tarvitse olla samassa yksikössä, vain jollain tavalla taipumus olla yhteydessä (samalla mitattaessa samanlaista asiaa) , katsotaan pariksi.

Sinun tulisi käyttää sijoitus-summatestiä, kun tietoja ei pariteta.

Siinä on periaatteessa kaikki mitä on siihen.

Huomaa, että sama $ n $ ei tarkoita sitä, että tiedot on paritettu, ja jos eri $ n $ ei tarkoita, että pariliitosta ei ole (voi olla, että muutama parit menettivät havainnon jostain syystä). Pariliitoksen muodostaminen otetaan otoksesta.

Pariliitetyn testin käytön seurauksena, kun tiedot ovat pariliitossa, se antaa yleensä enemmän voimaa havaita sinua kiinnostavat muutokset. Jos yhteys johtaa vahva riippuvuus *, silloin vallan kasvu voi olla huomattavaa.

* erityisesti, mutta puhuen hieman löyhästi, jos vaikutuksen koko on suuri verrattuna parierojen tyypilliseen kokoon, mutta pieni verrattuna parittamattomien erojen tyypillinen koko, voit poimia eron pariliitoksella melko pienellä otoskoolla, mutta parittomalla testillä vain paljon suuremmalla otoskoolla.

Kun tiedot ovat ei pariksi, voi olla (ainakin hieman) haitallista käsitellä tietoja pariksi. Siitä huolimatta kustannukset - menetetyssä virrassa - voivat monissa olosuhteissa olla melko pienet - vastaustani tähän kysymykseen tekemäni tehokkuustutkimus näyttää viittaavan siihen, että keskimäärin tehohäviö tyypillisissä pienissä otantatilanteissa (sanotaan n tilauksesta 10–30 kussakin näytteessä sen jälkeen, kun on mukautettu merkitsevyystasojen eroihin), voi olla yllättävän pieni.

[Jos olet jotenkin todella epävarma siitä, ovatko tiedot paritettu vai ei, parittamattomien tietojen käsittely pariksi on yleensä suhteellisen vähäinen, kun taas pariliitoksen voitto voi olla huomattava. Tämä viittaa siihen, että jos et todellakaan tiedä, ja sinulla on tapa selvittää, mikä on yhdistetty siihen, mikä oletetaan, että ne on yhdistetty - kuten taulukon samalla rivillä olevat arvot, voi käytännössä olla järkevää toimia ikään kuin tiedot olisi yhdistetty pariksi turvallisiksi - vaikka jotkut ihmiset saattavat taipua liikuttumaan sinuun, kun teet niin.]

En ole tutkija, mutta olen tilastopäällikkö. Asettelen ensin Wilcoxon Signed Rank Sum Testin (WSRST) vaatimukset.

• WSRST vaatii populaatioiden pariliitoksen, esimerkiksi sama ihmisryhmä testataan kahdella eri tavalla ja mitattu jokaisen vaikutuksesta ja verrataan sitten kahta asiaa tai tilaisuutta.
• WSRST edellyttää tietojen olevan kvantitatiivisia. Määrälliset tiedot ovat mittakaavassa mitattuja tietoja, minkä vuoksi korostin ensimmäisessä kohdassa mitattua maailmaa. Jos osallistujia olisi pyydetty luokittelemaan vastauksensa, käsittelet sitten kvalitatiivista tietoa, jossa sinun on sitten käytettävä merkkitestiä hypoteesisi testaamiseen.

[Siellä ovat muita vaatimuksia WSRST: lle, mutta luetellut vaatimukset riittävät erottamaan nämä kaksi testiä]

Nyt Wilcoxon Rank Sum Test (WRST)

• Tärkein vaatimus on, että näytteet otetaan riippumattomista populaatioista. Voit esimerkiksi testata, onko koepaperi 1 vaikeampaa kuin koepaperi 2, ja tätä varten sinulla on kaksi opiskelijaryhmää, eikä ryhmien tarvitse olla samankokoisia. Esimerkistä kaksi ryhmää ovat riippumattomia, jos olisit pyytänyt samaa ryhmää kirjoittamaan saman paperin kahdesti, testaat hypoteesi WSRST: n avulla.
• Toinen vaatimus on, että tietoja ei tarvitse ole kvantitatiivinen eli voit suorittaa testin myös kvalitatiivisilla tiedoilla.