我似乎记得我的一位教授说，在比较单个组的重复测量时，误差线完全没有信息。真的吗？
当然，许多研究计算条件 A 和条件 B 的样本均值（即某个受试者内因子的 A 和 B 水平），将均值与配对样本 t 检验进行比较，然后将它们显示在带有误差线的图表上. 这真的错了吗？如果是这样，为什么？
在受试者内部研究中使用误差线表示方法是错误的吗？
机器算法验证
置信区间
数据可视化
重复测量
t检验
2022-04-08 10:59:42
1个回答
它不一定是“错误的”，也不是“完全没有信息”。但它提供的信息与一个基本不相关的问题有关，因此可能会产生误导。当您运行配对样本检验时，您实际上是在对差异的均值是否等于检验。因为这是一个单样本测试，所以相应的图形将有一个显示平均差的条（带有误差条）。
要了解这可能会产生误导，请考虑以下数据（用 编码R）：
set.seed(4868) # this makes the example exactly reproducible (if you use R)
b = c(2, 4, 6, 8)
a = b + rnorm(4, mean=.5, sd=.1)
a = round(a, digits=3)
d = data.frame(before=b, after=a, differences=a-b)
d
# before after differences
# 1 2 2.679 0.679
# 2 4 4.597 0.597
# 3 6 6.592 0.592
# 4 8 8.366 0.366
t.test(a, b, paired=T)
# Paired t-test
#
# data: a and b
# t = 8.3117, df = 3, p-value = 0.003649
# alternative hypothesis: true difference in means is not equal to 0
# 95 percent confidence interval:
# 0.3446575 0.7723425
# sample estimates:
# mean of the differences
# 0.5585
检验非常显着。但是，如果您将左侧的条形图与右侧的条形图绘制出来，人们会得到什么印象？
其它你可能感兴趣的问题