解释 双样本等价检验 的主要结果

请完成以下步骤来解释双样本等价检验。主要输出包括差值(或比值)的估计值、置信区间、等价图和其他图形。

第 1 步:确定检验均值与参考均值是否等价

将置信区间与等价限值进行比较。如果置信区间完全在等价限值内,则可以声明检验总体均值等于参考总体均值。如果部分置信区间超出等价限值,则无法声明等价。

差值: 均值(折扣) - 均值(原始) 差值 SE 对等项的 95% CI 等价区间 -0.12122 0.20324 (-0.483449, 0.241005) (-0.5, 0.5) 置信区间在等价区间内。可以认为是等价。
主要结果:95% CI,等价区间

在这些结果中,95% 置信区间完全位于由等价下限 (LEL) 和等价上限 (UEL) 定义的等价区间内。因此,您可以得出检验均值等于参考均值的结论。

注意

您还可以使用 p 值评估等价检验的结果。为了证明等价,这两个原假设的 p 值必须都低于 Alpha。

第 2 步:检查数据是否有问题

您数据中存在的问题(如偏度或异常值)会对结果产生不利影响。可使用图形来查找偏度(通过检查数据的散布)以及确定可能的异常值。

确定数据是否偏斜

当数据偏斜时,大部分数据都朝向图形的高端或低端。通常情况下,在箱线图或直方图中最易于识别偏度。

右偏斜
左偏斜

例如,右偏斜的直方图显示薪金数据。很多员工的薪金相对较低,而薪金较高的员工越来越少。左偏斜的直方图显示故障率数据。少数项目在早些时候发生故障,而在后期发生故障的项目逐渐增多。

如果您的样本较小(小于 20 个值),严重偏斜的数据可能会影响检验结果的有效性。如果您的数据严重偏斜,并且样本较小,请考虑增大样本数量。

标识异常值

异常值是远离其他数据的数据点,可能会显著影响您的结果。在箱线图上最容易识别异常值。

在箱线图上,异常值用星号 (*) 标识。

您应该尝试确定导致任何异常值的原因。请更正任何数据输入错误或测量误差。可以考虑删除与特殊原因相关的数据,然后重新分析。有关特殊原因的更多信息,请转到使用控制图检测常见原因变异和特殊原因变异

比较数据的散布(可选)

默认情况下,等价检验不假定每个组的方差相等。但是,如果您为检验选中假定等方差选项,请比较每个组的图形以确保数据的散布相似。如果散布显著不同,则在执行检验时不应当假定等方差。
注意

要正式检查等方差,请使用双方差检验。

在这些图形中,数据看上去不偏斜,而且没有异常值。

检验组和参考组的数据散布看上去并不相同。因此,您不应该为检验假定等方差。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策