Выбор между ними зависит от того, сколько групп вы сравниваете. Вот основные отличия:
Когда ANOVA лучше (3 группы и более)
Если у вас три группы (например, плацебо, малая доза, большая доза), ANOVA — единственный правильный выбор.
- Защита от ошибок: Если делать много тестов Стьюдента попарно (1-ю со 2-й, 2-ю с 3-й и т.д.), растет риск найти «ложное различие» там, где его нет (ошибка I рода). ANOVA проверяет все группы сразу одним тестом.
- Общая картина: ANOVA отвечает на вопрос: «Есть ли вообще хоть какая-то разница между этими группами?».
Когда Стьюдент (t-test) лучше (ровно 2 группы)
Если групп всего две, ANOVA и тест Стьюдента дадут математически идентичный результат (p-value будет одинаковым).
- Простота: Тест Стьюдента привычнее и его легче интерпретировать для сравнения «А» против «Б».
- Гибкость: У теста Стьюдента есть варианты для зависимых выборок (например, «до» и «после» на одних и тех же людях) и для случаев, когда у групп разброс данных (дисперсия) сильно отличается.
В чем ANOVA «хуже»?
- Неконкретность: Если ANOVA показала результат, вы знаете, что «разница есть», но не знаете, между какими именно группами. Придется проводить дополнительные «post-hoc» тесты (например, тест Тьюки), чтобы это выяснить.
- Чувствительность: ANOVA более требовательна к тому, чтобы данные в группах были распределены нормально и имели примерно одинаковую «ширину» (дисперсию).
Резюме: Если групп две — используйте тест Стьюдента. Если три и больше — только ANOVA.
Рассказать подробнее, как выбрать подходящий post-hoc тест, если ANOVA показала значимые различия?
В ответах искусственного интеллекта могут быть ошибки. Подробнее
Выбор post-hoc теста зависит от того, насколько ваши данные «капризны». Главная цель любого такого теста — дать вам сравнить группы попарно, но при этом не наврать с результатами из-за эффекта множественных сравнений.
Вот основные сценарии:
1. Золотой стандарт: Тест Тьюки (Tukey’s HSD)
Это самый популярный вариант.
- Когда брать: Когда размеры групп у вас примерно одинаковые и вы уверены, что дисперсии (разброс данных) равны.
- Плюс: Он дает отличный баланс между осторожностью и способностью найти реальные различия.
2. Если группы разного размера: Тест Габриэля или Хохберга
Иногда в одной группе 10 человек, а в другой 50.
- Тест Габриэля: Хорош, если размеры групп различаются лишь слегка.
- Тест Хохберга (GT2): Лучше использовать, если разница в количестве участников в группах очень большая.
3. Если дисперсии НЕ равны: Тест Games-Howell
Это «спасательный круг», когда ваши данные неоднородны (в одной группе разброс узкий, а в другой — огромный).
- Когда брать: Если тест Левена (Levene’s test) показал, что равенства дисперсий нет. Это самый надежный и мощный тест в таких «грязных» условиях.
4. Если есть «контрольная» группа: Тест Даннетта (Dunnett)
Часто нам не нужно сравнивать всех со всеми. Нам нужно только сравнить «лекарство А» с «плацебо» и «лекарство Б» с «плацебо».
- Плюс: Он мощнее теста Тьюки, потому что делает меньше сравнений, а значит, меньше «штрафует» результат.
5. Консервативный подход: Поправка Бонферрони
Это просто деление вашего порога значимости (0.05) на количество сравнений.
- Когда брать: Если вы очень боитесь совершить ошибку и заявить о различиях там, где их нет.
- Минус: Он настолько строгий, что часто «пропускает» реально существующие различия.
Шпаргалка для выбора:
- Дисперсии равны и группы одинаковые? → Тьюки.
- Дисперсии НЕ равны? → Геймс-Хоуэлл.
- Сравниваем только с контрольной группой? → Даннетт.
Хотите, проверим ваши данные на соответствие условию равенства дисперсий, чтобы точно определиться с тестом?