Difference between revisions of "KEUZE TOETS"

From Wikistatistiek
Jump to navigation Jump to search
Line 110: Line 110:
 
== Van welk type is mijn uitkomstmaat?==
 
== Van welk type is mijn uitkomstmaat?==
 
== Heb ik gepaarde of ongepaarde data?==
 
== Heb ik gepaarde of ongepaarde data?==
 +
 +
Data zijn gepaard als er twee (of meer) maal bij dezelfde personen een meting gedaan is. Als er sprake is van onafhankelijke groepen, dan zijn data ongepaard.
 +
 +
Bijvoorbeeld:
 +
 +
''Wij hebben bij een groep varkens een ziekte opgewekt. Daarna hebben bij de ene groep VROEG een interventie gedaan, en bij een andere groep LAAT een interventie gedaan. Welke statistische test moet ik gebruiken als ik:
 +
''*Binnen een groep het verschil van VOOR en NA de interventie wil testen/uitdrukken in P waarden?
 +
''*Het verschil tussen de 2 groepen (na de intervwentie) wil testen/uitdrukken in P waarden?
 +
 +
In het eerste geval zal er een gepaarde toets gedaan moeten worden, in het tweede geval een ongepaarde toets.
 +
 
== Hoe beoordeel ik de normaliteit van mijn data?==
 
== Hoe beoordeel ik de normaliteit van mijn data?==
 
===Wanneer concludeert de Shapiro Wilk test dat data niet normaal verdeeld is?===
 
===Wanneer concludeert de Shapiro Wilk test dat data niet normaal verdeeld is?===

Revision as of 17:33, 20 March 2009

Schema welke toets bij welke vergelijking

type vergelijking
1 groep 2 groepen >2 groepen
vs. referentie gepaard ongepaard gepaard ongepaard
type

uit- komst- maat

(semi-)

continu

normaal 1 sample t-toets gepaarde t-toets

ongepaarde t-toets

linear mixed models One-way ANOVA
niet normaal sign toets Wilcoxon signed rank toets Mann-Whitney U toets Friedman toets Kruskal Wallis
categorisch binair (proportie) z-test voor proporties McNemars test Chi-kwadraat toets /

Fisher's exact toets

GLMM / GEE Chi-kwadraat toets /

Fisher's exact toets

nominaal / ordinaal x McNemars toets /

Wilcoxon signed rank toets

Chi-kwadraat toets (trend) /

Fisher's exact toets

GLMM / GEE Chi-kwadraat toets /

Fisher's exact toets

Schema welke analyse bij welke associatie

type associatie
crosssectioneel longitudinaal
2 variabelen meer variabelen 2 variabelen meer variabelen
type

uit- komst- maat

(semi-)

continu

normaal Pearson's rho Lineaire regressie Herhaalde metingen
niet

normaal

Spearman's rho /

Kendall's tau

Niet lineaire regressie
categorisch binair

(proporties)

odds ratio/ risk ratio/

risk difference

Logistische regressie Survival analyse Cox regressie
nominaal

/ordinaal

x multinomiale logistische regressie

/ordinale logistische regressie

x x

FAQ nav de twee schema's

Van welk type is mijn uitkomstmaat?

Heb ik gepaarde of ongepaarde data?

Data zijn gepaard als er twee (of meer) maal bij dezelfde personen een meting gedaan is. Als er sprake is van onafhankelijke groepen, dan zijn data ongepaard.

Bijvoorbeeld:

Wij hebben bij een groep varkens een ziekte opgewekt. Daarna hebben bij de ene groep VROEG een interventie gedaan, en bij een andere groep LAAT een interventie gedaan. Welke statistische test moet ik gebruiken als ik: *Binnen een groep het verschil van VOOR en NA de interventie wil testen/uitdrukken in P waarden? *Het verschil tussen de 2 groepen (na de intervwentie) wil testen/uitdrukken in P waarden?

In het eerste geval zal er een gepaarde toets gedaan moeten worden, in het tweede geval een ongepaarde toets.

Hoe beoordeel ik de normaliteit van mijn data?

Wanneer concludeert de Shapiro Wilk test dat data niet normaal verdeeld is?

Ik dacht dat een Shapiro-Wilk test met p<0.05 betekende dat de data niet normaal verdeeld zijn. Nu heb ik van een collega een syntax ingekeken waar een grens van 0.9 wordt aangehouden. Wat is nou waar?

Formeel gezien, moet je bij een p<0.05 de nul hypothese verwerpen. In jouw geval, zou je dus op basis van de p-waarde moeten besluiten om de data als niet normaal te zien. Echter, wanneer je voldoende data hebt, kun je zelfs een irrelevant, maar statistisch significante afwijking van de normale verdeling vinden. De test statistic W van de Shapiro-Wilk test loopt van 0 tot 1, waarbij 1 betekent, dat de data perfect normaal verdeeld zijn. Vaak wordt meer naar deze waarde gekeken, dan naar de p-waarde, waarbij voor de W een ondergrens van 0.90 gehanteerd wordt. Als de test-stastistic W groter is dan 0.90 kan de data als normaal verdeeld beschouwd worden. (Er zijn veel voorbeelden waarbij de W > 0.99 is, terwijl de p < 0.05 is.)

Terug naar OVERZICHT voor een overzicht van alle statistische onderwerpen op deze wiki.