分析单位的虚拟高度实验单位是随机独立分配的最小观测值,即能够自由变更的独立值的数量(例如Parsons、2018)。在经典统计中,这个单位反映了自由度(df)。例如,在推论组的结果时,实验单位是试验对象的数量,不是每个试验对象的观察次数。但是,研究人员常常将这些指标混淆,导致理论和实践的错误。论文的验证真的重要吗?理论上,如果没有明确确定合适的实验单位并评估观察结果的变异性,则在统计上估计有缺陷。实际上,这是人为地增加实验单位的数量(例如,所有物体的观测数量通常大于对象的数量)。
随着df的增加,用于确定统计的有效性的阈值降低。在这种情况下,如果效果是真实的,则更容易观察到明显的结果(增加统计效果)。这是因为随着df的增加,测试结果具有更高的可靠性。
为了说明这个问题,假设使用简单的前后纵向研究设计(样品量10)来研究干涉对策的效果。研究人员想用简单的回归分析来评价主要指标和临床状况之间是否有关联。
性别。分析单位为数据点的数量(各参加者1个数据点,合计10个),df为8。在
df=8的情况下,显著的临界R值(α值0.05)为0.63。换言之,
具有高于0.63的任何相关性(p≤0.05)。如果研究人员在所有参与者的测试前和测试后加在一起,最终df=18的临界R值为0.44,可以更容易地观察统计学上的显著影响。这是不恰当的,因为试验对象内部和试验对象之间的分析单位混同引起测定结果之间的依存性,特定的问题的试验分数不变,也不会影响试验分数,所以实际上只有8个独立的df。
通常即使没有足够的证据证明该效果的存在,也将结果解释为有意义的效果。发现错误时,审查员应如何考虑分析单位的妥当性。如果一项研究的目的是理解各小组之间的影响,则分析单位必须反映试验对象之间的差异,而不是试验对象内部的差异。
篇论文免费查重网站的入口系统。优先论文的狗调查免费沉重的系统。论文的验证是论文答辩前的必要步骤,初稿可以选择论文狗免费论文检查系统进行重大检查。在这里可以找到知识网学术不端论文的检查入口。重复率高的情况下,可以用论文狗机器使重的产品下降从而降低论文的重量。只需要1.5元的千字。为了解决
个错误方案,可能最可行的解决方案是使用线性混合效应模型。研究人员可以将试验对象内部的变异定义为固定效果,将试验对象之间的变异定义为随机效果。
这种日益流行的方法使得能够在不违反独立性假设的情况下对所有数据进行建模。但是,这很容易被滥用,而且需要广泛的统计知识,所以在应用和解释上应该慎重对待。对于
简单的回归分析,研究人员也有几个解决方案。最简单的方法是计算每个观测值(例如,前测量和后测量)的相关性,并基于现有df描述R值。研究人员还可以计算所有观测值的平均值,分别计算前测量/后测量的相关度,计算平均获得的R值(使用归一化R分布,例如将R分布转换为z分布),并基于此进行说明。