2017-12-14
1661
(множественные сравнения)
Если план исследования включает сравнение большего числа групп (больше, чем две группы), совершенно недопустимо просто сравнивать их попарно. Для корректного решения этой задачи можно воспользоваться, например, дисперсионным анализом. Однако дисперсионный анализ позволяет проверить лишь гипотезу о равенстве всех сравниваемых средних. Но, если гипотеза не подтверждается, нельзя узнать, какая именно группа отличалась от других. Это позволяет сделать методы множественного сравнения, которые в свою очередь также бывают параметрические и непараметрические. Эти методы дают возможность провести множественные сравнения так, чтобы вероятность хотя бы одного неверного заключения оставалась на первоначальном выбранном уровне значимости, например, 5%.
Параметрические критерии.
Критерий Стьюдентадля множественных сравнений основан на использовании неравенства Бонферрони: если k -раз применить критерий с уровнем значимости a, то вероятность хотя бы в одном случае найти различие там, где его нет, не превышает произведения k на a. Этот метод работает, если число сравнений невелико, обычно не больше 8. При большем числе сравнений критерий Ньюмана-Кейлса и Тьюки дают более точную оценку вероятности a.
Критерий Даннета более чувствительный, чем предыдущий, особенно при большом числе групп. Критерий Даннета является модификацией критерия Ньюмана-Кейлса. Для проверки критерия средние значения упорядочиваются по абсолютной величине их отличия от контрольной группы, сравнения начинают с группы, наиболее отличающейся от контроля. Если различия с очередной группой не найдены, сравнения прекращаются.
Непараметрические критерии
Критерий Краскела-Уоллиса – непараметрический критерий для сравнения средних значений нескольких независимых выборок – основан на построении объединенного вариационного ряда из вариант рассматриваемых выборок и присвоении рангов всем вариантам в объединенном ряду, предназначен для проверки равенства медиан нескольких выборок.
Критерий Фридмана – это непараметрический аналог дисперсионного анализа повторных измерений, применяется для анализа повторных измерений, связанных с одним и тем же индивидуумом. Логика критерия очень проста. Каждый больной ровно один раз подвергается каждому методу лечения (или наблюдается в фиксированные моменты времени). Результаты наблюдения у каждого больного упорядочиваются. Причем мы отдельно упорядочиваем значения у каждого больного независимо от всех остальных. Таким образом, получается столько упорядоченных рядов, сколько больных участвует в исследовании. Далее, для каждого метода лечения вычисляется сумма рангов. Если разброс сумм велик - различия статистически значимы.
Порядок проведения множественных сравнений средних значений представлен на рис. 6.2.
