0
点赞
收藏
分享

微信扫一扫

拓端tecdat|R语言代写模拟探索回归的P值

最近关于p值讨论的爆发激发了我进行简短的模拟研究。

特别是,我想说明p值如何随着效果和样本大小的不同而变化。

以下是模拟的详细信息。我模拟

拓端tecdat|R语言代写模拟探索回归的P值_统计分析_02

拓端tecdat|R语言代写模拟探索回归的P值_数据挖掘_04

 

拓端tecdat|R语言代写模拟探索回归的P值_大数据_06

拓端tecdat|R语言代写模拟探索回归的P值_大数据_10

 

拓端tecdat|R语言代写模拟探索回归的P值_数据挖掘_16

拓端tecdat|R语言代写模拟探索回归的P值_大数据_18

拓端tecdat|R语言代写模拟探索回归的P值_数据挖掘_20

拓端tecdat|R语言代写模拟探索回归的P值_统计分析_22

绘图和回归完成1,000次,因此对于每个效果大小 - 样本大小组合,模拟产生1,000个p值。下面绘制了每种效应大小和样本大小组合的这1,000个p值的平均值。

注意,这些结果是固定的

拓端tecdat|R语言代写模拟探索回归的P值_数据挖掘_24

拓端tecdat|R语言代写模拟探索回归的P值_统计分析_26

 

首先,对于给定的样本大小,更容易“检测”更大的效果大小。通过检测,我的意思是使用.05阈值发现具有统计显着性。可以使用相对较小的样本大小(在这种情况下<10)检测较大的效果大小(例如.25)。相反,如果效果大小很小(例如.05),则需要更大的样本来检测效果(> 10)。

其次,这个图说明了一个关于p值的常见警告:总是在样本大小的范围内解释它们。缺乏统计意义并不意味着缺乏效果。可能存在效果,但样本大小可能不足以检测它(或者数据集中的可变性太高)。另一方面,仅仅因为p值表示统计显着性并不意味着该效果实际上是有意义的。考虑效果大小.00000001(实际为0)。根据该图表,随着样本大小的增加,甚至该效应大小的p值趋于0,最终超过统计显着性阈值。

如果您有任何疑问,请在下面发表评论。 

大数据部落 -中国专业的第三方数据服务提供商,提供定制化的一站式数据挖掘和统计分析咨询服务


 

【服务场景】  

科研项目; 公司项目外包;线上线下一对一培训;数据爬虫采集;学术研究;报告撰写;市场调查。



举报

相关推荐

0 条评论