Słownik metodologiczny · Testy statystyczne

Post-hoc

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Post-hoc

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Post-hoc?

Testy post-hoc porównują poziomy czynnika po analizie wielogrupowej, kontrolując rodzinne ryzyko błędu.

Zastosowanie, warunki i dobre praktyki

Analiza post-hoc odpowiada na pytanie, które konkretne pary lub kontrasty różnią się po teście zbiorczym. Ponieważ wykonuje wiele porównań, wymaga kontroli rodzinnego błędu albo innego jawnego podejścia do wielokrotności. Najlepiej planować kluczowe kontrasty przed badaniem; testy post-hoc służą eksploracji wzorca i powinny przedstawiać różnice z przedziałami, nie tylko skorygowane p.

Najważniejsze zastosowanie: Stosuj dla zaplanowanych lub następczych porównań z korektą dopasowaną do celu.

Jak poprawnie stosować i interpretować hasło „Post-hoc”?

Przy ocenie pojęcia „Post-hoc” najpierw ustala się czynnik, zmienną wynikową oraz to, czy obserwacje w komórkach planu są niezależne, sparowane czy powtarzane. W analizie dotyczącej hasła „Post-hoc” następnie trzeba rozdzielić pytanie o efekt ogólny od porównań konkretnych poziomów. Dla interpretacji hasła „Post-hoc” średnie i wykres interakcji są potrzebne do zrozumienia kierunku wyniku; sama statystyka F nie pokazuje, które grupy się różnią ani czy różnica ma znaczenie praktyczne.

Ocena pojęcia „Post-hoc” powinna uwzględniać rozkład reszt, zachowanie wariancji, obserwacje wpływowe i strukturę projektu. W odniesieniu do hasła „Post-hoc” przy nierównych wariancjach sensowny może być wariant Welcha, a przy pomiarach powtarzanych korekta stopni swobody albo model mieszany. Przy ocenie hasła „Post-hoc” testy post-hoc dobiera się do zaplanowanych porównań i kontroluje ich łączny błąd, zamiast uruchamiać wszystkie możliwe pary.

Co trzeba opisać w raporcie?

Wynik odnoszący się do „Post-hoc” powinien łączyć statystykę testową i stopnie swobody z wartościami p, miarą efektu oraz jej przedziałem ufności. W analizie dotyczącej hasła „Post-hoc” obok należy podać liczebności, średnie i miary zmienności dla porównywanych warunków, a w modelu z interakcją także efekty proste lub przewidywane średnie marginalne.

Zakres raportowania dla hasła „Post-hoc”: Podaj kontrasty, różnice z CI, metodę korekty i miary efektu.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Po ANOVA dla czterech terapii wykonujesz porównania Tukeya wszystkich par.

Jak ją zinterpretować: Istotny test zbiorczy uzasadnia sprawdzenie, które zaplanowane lub skorygowane porównania tworzą wzorzec. Każdą różnicę należy podać z przedziałem i kontrolą wielokrotności, zamiast wybierać tylko pary z korzystnym p.

Najczęstsza pułapka i granica interpretacji

Globalny test nie jest zawsze wymagany przed dobrze zaplanowanymi kontrastami, ale selekcja porównań po danych wymaga transparentności.

Wniosek o „Post-hoc” ogranicza konkretny układ czynników i badana populacja. W odniesieniu do hasła „Post-hoc” istotny efekt ogólny nie upoważnia do dowolnego wskazania par różniących się między sobą, a nieistotny wynik nie dowodzi równoważności poziomów.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Wasserstein i Lazar, 2016).

Powiązane hasła

Chi-kwadrat (test niezależności)Estymacja przedziałowaEstymacja punktowaHipoteza (zerowa i alternatywna)Hipoteza badawczaPoziom istotności (alfa)

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Wielkość efektu: jak ocenić znaczenie wyniku poza wartością p

Wielkość efektu wyjaśniona praktycznie: Cohen d, Hedges g, r, R², iloraz szans, eta², przedziały ufności i znaczenie praktyczne.

Czytaj →Poradnik

Pytania badawcze i hipotezy: jak przejść od teorii do analizy

Jak formułować pytania badawcze i hipotezy? Od teorii i operacjonalizacji przez kierunek efektu po plan analizy i prerejestrację.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
  2. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3
  3. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  4. Sullivan, G. M., & Feinn, R. (2012). Using effect size—or why the P value is not enough. Journal of Graduate Medical Education, 4(3), 279–282. https://doi.org/10.4300/JGME-D-12-00156.1
  5. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
  6. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191

Cytowania BibTeX

@article{wasserstein2016pvalues, author={Wasserstein, Ronald L. and Lazar, Nicole A.}, title={The ASA Statement on p-Values: Context, Process, and Purpose}, journal={The American Statistician}, year={2016}, volume={70}, number={2}, pages={129--133}, doi={10.1080/00031305.2016.1154108}}
@article{greenland2016misinterpretations, author={Greenland, Sander and Senn, Stephen J. and Rothman, Kenneth J. and Carlin, John B. and Poole, Charles and Goodman, Steven N. and Altman, Douglas G.}, title={Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations}, journal={European Journal of Epidemiology}, year={2016}, volume={31}, number={4}, pages={337--350}, doi={10.1007/s10654-016-0149-3}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{sullivan2012effectsize, author={Sullivan, Gail M. and Feinn, Richard}, title={Using effect size—or why the P value is not enough}, journal={Journal of Graduate Medical Education}, year={2012}, volume={4}, number={3}, pages={279--282}, doi={10.4300/JGME-D-12-00156.1}}
@article{lakens2013effect, author={Lakens, Daniël}, title={Calculating and reporting effect sizes to facilitate cumulative science}, journal={Frontiers in Psychology}, year={2013}, volume={4}, pages={863}, doi={10.3389/fpsyg.2013.00863}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
R