相信很多人在做變異數分析的時候,常常會遇到這樣的狀況:F考驗顯著,但是雪費(Scheffé)事後比較不顯著。這時候該怎麼辦呢?熟悉統計實務分析的人都知道這是一種很正常的狀況,但是偏偏遇過不少指導老師認為這樣的狀況不合理,要求學生一定要做調整,所以在這邊提出我的一點看法,也歡迎大家一起留言討論,畢竟目前來說還沒有一套完整的解決方案。

 

 

根據吳明隆的SPSS操作與應用P.495頁,他提到一種調整性的作法就是「如果F考驗顯著,雪費事後比較不顯著,就改用HSDN-K事後比較檢定法」,但是我並不認同這樣的調整。試想一下,為何社會科學會建議用雪費事後比較?為何不等組的情況會建議用雪費事後比較?雪費事後比較是所有事後比較最嚴格的一種,因為當不等組設計的時候雪費事後比較擁有最高的檢定力(power),因此換來的代價就是最不容易達顯著(p值最大),可能是因為社會科學的樣本資料(大多數是問卷)是比較髒的資料,髒的意思表示1.不清處真實作答的人到底是誰?2.不清楚真實作答的情況到底如何?所以社會科學會建議用雪費事後比較,用最嚴謹的角度來看待研究發現的結果。基於這樣的觀點,如果雪費事後比較不顯著就換一種比較寬鬆的事後比較,那是否統計分析一開始設定α = .05,如果做出來都不顯著我們就把α 改成.10,這種作法就是自欺欺人,而且只是玩數據遊戲而已了。

 

 

 (給我一堂最好的統計課)

理論上來說F檢定顯著,而事後比較不顯著,一定有原因,這些原因大多數來自於某些組別的樣本數很少(因此導致標準誤膨脹),或是組別間的差異量不足。基本上差異分析就是在檢定差異量跟樣本數,如果差異量很大,小樣本也會有顯著性,如果樣本數很大,很小的差異量就會顯著。F考驗顯著,雪費事後比較不顯著,最合理的推論就是整個檢定是不顯著的,也可以把雪費事後比較當成一道嚴謹的關卡,為了避免社會科學產生太多浮濫的推論,所以用這樣的事後比較把門檻提高。至於實驗室裡的研究,或是受試者內的研究,自然適用其他比較寬鬆(這裡指的寬鬆指的是針對型一錯誤而論)的事後比較,例如Tukey HSDSNK法,就不會產生這種問題,因為實驗控制的嚴謹度夠,統計控制就可以減少,這也是為什麼等組的實驗設計的統計分析方法通常都不複雜的原因,因為以實驗控制(研究設計的控制)會比統計控制來得更好。

 

 

一種比較折衷的作法就是把F檢定有顯著,雪費事後比較不顯著但是邊緣顯著的部份也列出來,所謂的邊緣顯著就是P值在.05.10的範圍之間,這些邊緣顯著的事後比較或許可以告訴我們一些趨勢,一些可能性,但是僅僅當做是參考,畢竟前提假設是在「顯著性決斷」的邏輯之下,它們應該是不被報告的,這些邊緣顯著的結果應該是被捨棄的。當然,目前統計發展除了以「顯著性決斷」判斷分析結果,「Power」、「Effect size」也都是很重要的分析結果。

 

 

 

arrow
arrow
    全站熱搜

    晨晰部落格新站 發表在 痞客邦 留言(4) 人氣()