Tukey-testen påberåbes, når man skal afgøre, om interaktionen mellem tre eller flere variabler er gensidigt statistisk signifikant, hvilket desværre ikke er simpelthen en sum eller et produkt af de enkelte niveauer af betydning.
Hvorfor ikke en t-test?
Enkle statistiske problemer indebærer at se på virkningerne af en (uafhængig) variabel, som antallet af timer, der studeres af hver studerende i en klasse til en bestemt prøve, på en anden (afhængig) variabel, som den studerendes score på testen. I sådanne tilfælde sætter du sædvanligvis din cut-off for statistisk signifikans ved P & lt; 0,05, hvor eksperimentet afslører en større end 95 procent chance for, at de pågældende variabler virkelig relateres. Så henviser du til et t-bord, der tager højde for antallet af datapar i dit eksperiment for at se, om din hypotese var korrekt.
Sciencing Video Vault
Opret den (næsten) perfekte beslag: Her er hvordan
Opret den (næsten) perfekte beslag: Her er hvordan
Sommetider kan eksperimentet dog se på flere uafhængige eller afhængige variabler samtidigt. For eksempel, i ovenstående eksempel blev søvntidene hver elev overnattet før prøven, og hans eller hendes klasseklasse indgår måske. Sådanne multivariate problemer kræver noget andet end en t-test på grund af det rene tal, hvis de uafhængigt varierer.
ANOVA
ANOVA står for "variansanalyse" og adresserer netop det problem, der netop er beskrevet. Den tegner sig for de hurtigt voksende grader af frihed i en prøve, da variabler tilføjes. For eksempel er kig på timer vs scoringer en parring, søvn vs scoringer er en anden, karakterer vs scoringer er en tredje og i mellemtiden alle disse uafhængige variabler interagerer med hinanden også.
I en ANOVA test, variabel af interesse efter beregninger er blevet kørt er F, som er den fundne variation af gennemsnittet af alle par eller grupper divideret med den forventede variation af disse gennemsnit. Jo højere dette tal, jo stærkere forholdet og "signifikans" er sædvanligvis sat til 0,95. Rapportering af ANOVA-resultater kræver normalt brug af en indbygget lommeregner som dem, der findes i Microsoft Excel samt dedikerede statistiske programmer som SPSS.
Tukey HSD Test
John Tukey kom med testen der bærer hans navn, da han indså de matematiske faldgruber for at forsøge at anvende uafhængige P-værdier for at bestemme nytten af en hypotesesekvens med flere variabler som helhed. På det tidspunkt blev t-testen anvendt til tre eller flere grupper, og han betragtede denne uærlige - dermed "ærlig signifikante forskel."
Hvad hans test gør er, sammenligner forskellene mellem værdier i stedet for at sammenligne værdier. Værdien af Tukey testen er givet ved at tage den absolutte værdi af forskellen mellem par af midler og dividere den ved standard fejlen af middelværdien (SE) som bestemt ved en envejs ANOVA test. SE'en er igen kvadratroden af (varians divideret med stikstørrelse). Et eksempel på en online-regnemaskine er angivet i afsnittet Ressourcer.
Tukey-testen er en post hoc-test, idet sammenligningerne mellem variabler foretages efter dataene allerede er indsamlet. Dette adskiller sig fra en a priori-test, hvor disse sammenligninger foretages på forhånd. I det foregående tilfælde kan du se på mile-løbetiderne for elever i tre forskellige fysik-uddannede klasser et år. I sidstnævnte tilfælde kan du tildele elever til en af tre lærere og derefter få dem til at køre en tidsforskel