Korzystam z samouczka, który znalazłem i wykreślam wartości średnie wraz ze standardowymi błędami, aby pokazać moje dane. Ale mam problem z omówieniem wyników. Moja fabuła jest pokazana poniżej: niektóre standardowe błędy (pokazane jako pasek błędów) różnią się znacznie, a niektóre z nich są bardzo bliskie zeru.
9
Odpowiedzi:
Ogólnie słupki błędów mają na celu przekonanie czytelnika wykresu, że różnice, które widzi na wykresie, są statystycznie znaczące. W przybliżeniu możesz sobie wyobrazić małego gaussa, który± 1 σ zakres jest pokazany jako ten pasek błędu - „wizualna integracja” iloczynu dwóch takich gaussów jest mniej szansą, że te dwie wartości są naprawdę równe.
W tym konkretnym przypadku widać, że zarówno różnica między czerwoną i fioletową kreską, jak i szarą i zieloną nie są zbyt znaczące.
źródło
Zasadniczo błąd standardowy mówi, jak bardzo jesteś niepewny, czy prawdziwa wartość górnej części słupka jest tam, gdzie pasek ją podaje. Gdy występuje wiele słupków, może także umożliwiać porównania między słupkami w sensie testu statystycznego. Jednak interpretacja ich w ten sposób wymaga pewnych założeń, pokazanych graficznie poniżej. Jeśli naprawdę chcesz porównać słupki, aby zobaczyć, czy różnice są istotne statystycznie, powinieneś uruchomić testy danych i wyświetlić, które testy były znaczące, w ten sposób.
Ponadto sugerowałbym stosowanie przedziałów ufności zamiast standardowych błędów.
Ten artykuł jest wart przeczytania:
Cumming and Finch. „Wnioskowanie przez oko: przedziały ufności i sposób odczytywania zdjęć danych”. Am Psych. Vol. 60, nr 2, 170–180.
Ich ogólny wniosek jest następujący: „Szukaj słupków, które odnoszą się bezpośrednio do efektów zainteresowania, bądź wrażliwy na eksperymentalny projekt i interpretuj interwały”.
W przypadku niezależnych próbek przy użyciu przedziałów ufności połowa nakładania się CI oznacza, że różnica jest istotna statystycznie.
W przypadku niezależnych próbek wykorzystujących zamiast tego standardowe słupki błędów poniższy wykres pokazuje, jak obliczyć istotność statystyczną:
źródło
Jak mówi mbq, paski błędów pozwalają czytelnikom poczuć, czy różnice między dwiema grupami są znaczące - tj. Jeśli różnice w każdej z grup są wystarczająco małe, aby uwierzyć, że stwierdzona różnica między twoimi grupami.
Wszystkie pozostałe elementy są równe, większe słupki błędów oznaczają większą różnicę wewnątrz grupy, ale wygląda na to, że oś y wykresu jest przekształcana w dzienniku, więc niższe grupy nie są w tej samej skali, co wyższe.
Powinieneś pamiętać, że wielu czytelników nie zrozumie, co oznaczają paski błędów, nawet jeśli wyraźnie to wyjaśnisz! Często można osiągnąć ten sam cel za pomocą drżącego wykresu punktowego lub wykresu ramkowego (lub obu razem), aby osiągnąć ten sam efekt.
źródło
Wielu badaczy ma problemy z interpretacją tych wykresów. Zobacz http://scienceblogs.com/cognitivedaily/2008/07/31/most-researchers-dont-understa-1/ na bardziej szczegółowe opracowanie.
źródło