第一次提问,所以请温柔:)
我有两个来自模拟的数据分布。从肉眼来看,一个看起来可能是双峰的,一个不是。我在下面复制它们
A:参数值 1:通过眼睛可能是双/多模式
B:参数值2:通过眼睛单峰
我想我会使用 Hartigans 的倾角测试来测试 H1:not uni-modal vs H0:uni-modal。问题是检验统计表明我拒绝了两种分布的单峰性原假设,其值远低于建议的 0.05 阈值。事实上,看起来更单峰的分布的检验统计量低于看起来可能是多峰的分布的检验统计量(dist A: D = 0.00814; dist B: D = 0.00340)
我认为我看到的是相当大的 N(N=5000)的影响,因此样本量为测试提供了统计能力。但是对直方图的检查表明这是无效的。是否有某种方法可以正式讨论基于此检验拒绝零假设是否有效?
我在这里阅读了一些帖子(测试双峰分布和@whuber 的建议搜索)。我也在其他地方找到了这个,但答案有点笼统 - 基本上是说如果 N 很大,你可能会发现很多重要的测试,我已经怀疑这里就是这种情况。
我意识到对 uni/non-uni 模态结果的因果机制的一些考虑可能有助于讨论,但也想了解统计检验。
我想要一些建议
1)我是否正确解释了测试统计数据(即 D < 0.05 拒绝单模态的证据)?
2)有没有办法确定大 N 是否给测试带来了不适当的统计功效?