Test T In Forex Stata

SMONTAGGIO T-Test Una forma di test di ipotesi, il t-test è solo uno dei molti test utilizzati per questo scopo. Gli statistici devono utilizzare prove diverse dalla t-test per esaminare più variabili, così come per la prova con campioni di dimensioni più grandi. Per una grande dimensione del campione, gli statistici utilizzano un z-test. Altre opzioni di test includono il test chi-quadrato e la F-test. Analisi statistica del T-Test La formula utilizzata per calcolare il test è un rapporto: La parte superiore del rapporto è la parte più semplice da calcolare e capire, in quanto è semplicemente la differenza tra le medie o medie dei due campioni. La metà inferiore del rapporto è una misura della dispersione o variabilità dei punteggi. La parte inferiore di questo rapporto è noto come l'errore standard della differenza. Per calcolare questa parte del rapporto, la varianza per ciascun campione è determinato e viene quindi divisa per il numero di individui della composizione del campione, o gruppo. Questi due valori sono poi sommati, e una radice quadrata è preso del risultato. Per esempio, si consideri che un analista vuole studiare l'importo che Pennsylvanians e californiani spendono, al mese, su capi di abbigliamento. Non sarebbe pratico per registrare le abitudini di spesa di ogni individuo (o famiglia) in entrambi gli stati, quindi un campione di abitudini di spesa è tratto da un gruppo selezionato di persone provenienti da ogni stato. Il gruppo può essere di qualsiasi piccola o moderata dimensioni per questo esempio, si supponga che il campione è di 200 individui. L'importo medio per Pennsylvanians esce per 500 l'importo medio per i californiani è di 1.000. Le domande t-test se la differenza tra i gruppi è rappresentativo di una vera differenza tra le persone in Pennsylvania e le persone in California, in generale, o se è probabile una differenza statistica priva di significato. In questo esempio, se, in teoria, tutti i Pennsylvanians speso 500 al mese su capi di abbigliamento e di tutti i californiani speso 1.000 al mese su capi di abbigliamento, è altamente improbabile che 200 individui scelti a caso tutti hanno trascorso tale importo esatto, corrispondente a stato. Così, se un analista o statistico hanno dato i risultati riportati nell'esempio precedente, è lecito concludere che la differenza tra gruppi campione è indicativo di una differenza significativa tra le popolazioni, nel suo complesso, di ogni state. Independent t-test utilizzando Stata Introduzione la t-test indipendente, noto anche come indipendente-campioni t-test, indipendenti-misure t-test o spaiati t-test, viene utilizzato per determinare se la media di una variabile dipendente (ad esempio livello di peso, ansia, stipendio, tempo di reazione, ecc), è la stessa in due, gruppi indipendenti non correlati (ad es maschi vs femmine, impiegati vs disoccupati, sotto i 21 anni di età contro quei 21 anni e più anziani, etc.). In particolare, si utilizza un t-test indipendente per determinare se la differenza media tra i due gruppi è statisticamente significativamente diverso da zero. Ad esempio, un t-test indipendente potrebbe essere utilizzato per verificare se il tempo di revisione tra gli studenti universitari differiva in base al sesso (cioè la variabile dipendente sarebbe tempo di revisione, misurato in minuti o ore, e la variabile indipendente sarebbe genere, che ha due gruppi: maschio e femmina). In alternativa, una t-test indipendente potrebbe essere usata per capire se vi è una differenza di stipendio in base al livello di istruzione (cioè la variabile dipendente sarebbe lo stipendio e la variabile indipendente sarebbe il livello di istruzione, che ha due gruppi: laurea e laurea specialistica ). Nota: in Stata 12, si vedrà che il t-test indipendente è indicato come il test di dire-confronto due gruppi, mentre in Stata 13, si parla di come il test t (test significare-confronto). In questa guida, vi mostriamo come effettuare un t-test indipendente utilizzando Stata, così come interpretare e riferire i risultati di questo test. Tuttavia, prima che vi presentiamo a questa procedura, è necessario comprendere le diverse ipotesi che i dati devono soddisfare per un t-test indipendente per darvi un risultato valido. Discutiamo questi presupposti prossimo. Nota: Se la variabile indipendente ha relativi gruppi, è necessario utilizzare un t-test accoppiato, invece. In alternativa, se si dispone di più di due gruppi indipendenti, è possibile utilizzare un one-way ANOVA. Tuttavia, se si dispone di un solo gruppo e si desidera confrontare questo ad un valore noto o ipotizzato, è possibile eseguire un one-campione di t-test. Abbiamo anche una guida su come eseguire un t-test indipendente con Minitab qui. Ipotesi Ci sono sei presupposti che stanno alla base della t-test indipendente. Se uno qualsiasi di questi sei ipotesi non sono soddisfatte, non è possibile analizzare i dati utilizzando un t-test indipendente, perché non sarà possibile ottenere un risultato valido. Dal momento che le ipotesi 1, 2 e 3 si riferiscono al vostro disegno dello studio e la scelta delle variabili, che non possono essere testati per l'utilizzo di Stata. Tuttavia, si dovrebbe decidere se il vostro studio soddisfa questi presupposti prima di passare. Assunzione 1: la variabile dipendente deve essere misurata a livello di intervallo o di rapporto (vale a dire che sono continui). Esempi di tali variabili dipendenti comprendono altezza (misurata in piedi e pollici), la temperatura (misurata in ° C), lo stipendio (misurato in dollari USA), tempo di revisione (misurato in ore), intelligenza (misurata con QI), il tempo di reazione ( misurata in millisecondi), prestazioni (misurato da 0 a 100), vendite (misurata in numero di transazioni al mese), e così via. Se non siete sicuri se la variabile dipendente è continua (cioè misurata durante l'intervallo o il livello di rapporto), vedere i nostri Tipi di guida variabile. Ipotesi 2: La variabile indipendente deve essere costituito da due categorica. (indipendenti) gruppi indipendenti. Esempi di tali variabili indipendenti includono genere (2 gruppi: maschio o femmina), il tipo di trattamento (2 gruppi: farmaco o nessun farmaco), il livello di istruzione (2 gruppi: laurea o post-laurea), religioso (2 gruppi: sì o no), e così via. Assunzione 3: Si dovrebbe avere l'indipendenza delle osservazioni. il che significa che non vi è alcuna relazione tra le osservazioni in ogni gruppo o tra i gruppi stessi. Ad esempio, ci devono essere diversi partecipanti in ciascun gruppo con nessun partecipante essendo in più di un gruppo. Se non si dispone di indipendenza delle osservazioni, è probabile che avete relativi gruppi, il che significa che sarà necessario utilizzare un t-test dipendente al posto del t-test indipendente. Fortunatamente, è possibile controllare le ipotesi 4, 5 e 6 utilizzando Stata. Quando si sposta a ipotesi 4, 5 e 6, li suggeriamo di testare in questo modo perché rappresenta un ordine in cui, se una violazione al presupposto non può essere corretta, non sarà più in grado di utilizzare un t-test indipendente. In realtà, non stupitevi se i dati non riesce una o più di queste ipotesi dal momento che questo è abbastanza tipico quando si lavora con i dati del mondo reale, piuttosto che esempi da manuale, che spesso mostrano solo come effettuare un t-test indipendente quando tutto va bene. Tuttavia, non ti preoccupare perché anche quando i dati non riesce alcune ipotesi, vi è spesso una soluzione per superare questo (ad esempio trasformare i dati o utilizzando un altro test statistico, invece). Basta ricordare che se non si controlla che i dati soddisfa queste ipotesi o si prova per loro in modo errato, i risultati che si ottengono quando si esegue un t-test indipendente potrebbe non essere valido. Assunzione 4: Non ci dovrebbero essere valori anomali significativi. Un valore anomalo è semplicemente un singolo caso entro il set di dati che non segue lo schema abituale (per esempio in uno studio di 100 punteggi studenti IQ, dove il punteggio medio è stato di 108, con solo una piccola variazione tra gli studenti, uno studente aveva un punteggio di 156 , che è molto insolito, e può anche metterla nella top 1 di punteggi QI a livello globale). Il problema con valori anomali è che possono avere un effetto negativo sulla t-test indipendenti, riducendo l'accuratezza dei risultati. Fortunatamente, quando si utilizza Stata di eseguire un t-test indipendente sui dati, si può facilmente rilevare eventuali valori anomali. Assunzione 5: la variabile dipendente deve essere approssimativamente normalmente distribuito per ogni categoria della variabile indipendente. I suoi dati devono essere approssimativamente normale per l'esecuzione di un t-test indipendente solo perché è abbastanza robusto per le violazioni di normalità, il che significa che questa ipotesi possa essere un po 'violata e ancora fornire risultati validi. È possibile verificare la normalità con il test di Shapiro-Wilk della normalità, che è facilmente testato per l'utilizzo di Stata. Assunzione 6: ci deve essere l'omogeneità delle varianze. È possibile verificare questa ipotesi in Stata usando Levenes di prova per l'omogeneità delle varianze. Test di Levene è molto importante quando si tratta di interpretare i risultati di una guida t-test indipendente perché Stata è in grado di produrre output diverso a seconda che i dati soddisfa o non questa ipotesi. In pratica, il controllo per le assunzioni 4, 5 e 6 sarà probabilmente prendere la maggior parte del vostro tempo nello svolgimento di t-test indipendente. Tuttavia, non è un compito difficile, e Stata fornisce tutti gli strumenti necessari per farlo. Nella sezione, Procedura di prova del Stata. illustriamo la procedura Stata necessaria per eseguire un t-test indipendente assumendo che non ci ipotesi sono stati violati. In primo luogo, abbiamo deciso l'esempio che usiamo per spiegare la procedura di t-test indipendenti in Stata. Con una grande percentuale di forti fumatori che lotta per uscire, il governo vuole trovare modi per aiutare a ridurre il loro consumo di sigarette. Un ricercatore vuole indagare se l'uso di cerotti alla nicotina riduce il consumo di sigarette, e in caso affermativo, da quanto. Pertanto, il ricercatore recluta un campione casuale di 30 forti fumatori di popolazione, in cui un fumatore pesante è definito come una persona che fuma una media di 40 sigarette o più al giorno. Questo campione di 30 partecipanti è stato diviso a caso in due gruppi indipendenti ndash un gruppo di controllo e un ndash gruppo di trattamento con 15 partecipanti in ogni gruppo. Pertanto, 15 partecipanti sono stati dati i cerotti alla nicotina (gruppo di trattamento) e 15 partecipanti hanno ricevuto un placebo, cioè una patch che non conteneva alcun nicotina (gruppo di controllo). Come risultato, nessuno dei partecipanti sapeva se fossero nel gruppo di trattamento o il gruppo di controllo. Tre mesi dopo l'inizio dell'esperimento, il consumo di sigarette dei due gruppi è stata misurata in termini di numero medio di sigarette fumate al giorno. Pertanto, la variabile dipendente era consumo di sigarette (misurato in termini di numero di sigarette fumate giornalmente al fine dell'esperimento), mentre la variabile indipendente era tipo di trattamento, dove c'erano due gruppi indipendenti (gruppo di trattamento e il gruppo di controllo). Una t-test indipendente è stato utilizzato per determinare se vi è stata una differenza statisticamente significativa nel consumo di sigarette tra i due gruppi indipendenti (vale a dire il gruppo di gruppo di trattamento e controllo). Impostazione in Stata In Stata, abbiamo separato i due gruppi per l'analisi con la creazione di una variabile di raggruppamento, denominato TreatmentType. e ha dato il gruppo di controllo che ha ricevuto placebo per un valore di 1 - Placebo e il gruppo di trattamento che ha ricevuto la nicotina patch per un valore di 2 - cerotto alla nicotina, come illustrato di seguito. Pubblicato con il permesso scritto da parte StataCorp LP. I punteggi per la variabile dipendente, CigaretteConsumption. sono stati poi inseriti nel foglio di calcolo Data Editor (Modifica) nella colonna a destra della variabile indipendente, TreatmentType. come illustrato di seguito: Pubblicato con il permesso scritto da parte StataCorp LP. Procedura di prova in Stata In questa sezione, si mostrerà come analizzare i dati utilizzando un t-test indipendente Stata quando i sei assunzioni nella sezione precedente, le ipotesi. non sono stati violati. È possibile effettuare una t-test indipendente utilizzando il codice o Statas interfaccia utente grafica (GUI). Dopo aver effettuato l'analisi, vi mostriamo come interpretare i risultati. In primo luogo, scegliere se si desidera utilizzare il codice o Statas interfaccia utente grafica (GUI). Il codice per eseguire un t-test indipendente sui dati prende la forma: TEST. T DependentVariable, da (IndependentVariable) Pubblicato con il permesso scritto da parte StataCorp LP. Utilizzando il nostro esempio in cui la variabile dipendente è CigaretteConsumption e la variabile indipendente è TreatmentType. il codice richiesto sarebbe: ttest CigaretteConsumption, da (TreatmentType) Nota 1: È necessario essere precisi quando si entra in codice nella casella. Il codice è case sensitive. Ad esempio, se hai inserito cigaretteConsumption dove la prima c è minuscola anziché maiuscola (vale a dire un grande C), che dovrebbe essere, si ottiene un messaggio di errore simile al seguente: Nota 2: Se siete ancora ottenere il messaggio di errore nella nota 1: sopra, vale la pena controllare il nome assegnato le variabili dipendenti e indipendenti nell'Editor dei dati quando si imposta il file (ad esempio vedere la schermata Editor dati di cui sopra). Nella casella sul lato destro dello schermo Editor di dati, è il modo in cui hai digitato le variabili nella sezione, non la sezione che è necessario entrare nel codice (vedi sotto per la nostra variabile indipendente). Questo può sembrare ovvio, ma è un errore che a volte è fatta, con conseguente errore nella precedente nota 1. Quindi, inserire il codice, TEST. T CigaretteConsumption, da (TreatmentType). e premere il pulsante ReturnEnter sulla tastiera. Pubblicato con il permesso scritto da parte StataCorp LP. È possibile visualizzare l'output Stata che sarà prodotta qui. Interfaccia grafica utente (GUI) I tre passaggi necessari per eseguire un t-test indipendente in Stata 12 ndash conosciuto come un due-gruppo di prova medio-confronto in Stata 12 ndash sono riportati di seguito. La stessa procedura richiede quattro passi in Stata 13 e questo è mostrato più in basso: Versione 12 In Stata 12, fare clic su Statistiche gt Sintesi, tavoli e test GT test classici di ipotesi GT a due gruppi significherebbe-confronto di prova nel menu in alto, come illustrato di seguito. Pubblicato con il permesso scritto da parte StataCorp LP. Verrà presentato con il TEST. T - a due gruppi media-confronto finestra di dialogo di prova: Pubblicato con il permesso scritto da parte StataCorp LP. Selezionare la variabile dipendente, CigaretteConsumption. all'interno il nome della variabile: casella a discesa, e la variabile indipendente, TreatmentType. dal nome della variabile Gruppo: menu a discesa, come illustrato di seguito: Pubblicato con il permesso scritto da parte StataCorp LP. Versione 13 In Stata 13, fare clic su Statistiche gt Sintesi, tavoli e test gt test classici di test t ipotesi gt (Media del test-confronto) nel menu in alto, come mostrato di seguito. Pubblicato con il permesso scritto da parte StataCorp LP. Verrà presentato con i test t (test-media di confronto) finestra di dialogo: Pubblicato con il permesso scritto da parte StataCorp LP. Selezionare i due-campione utilizzando l'opzione gruppi nella zona ndasht-testsndash, come illustrato di seguito: Pubblicato con il permesso scritto da parte StataCorp LP. Selezionare la variabile dipendente, CigaretteConsumption. all'interno il nome della variabile: casella a discesa, e la variabile indipendente, TreatmentType. dal nome della variabile Gruppo: menu a discesa. Vi ritroverete con una schermata simile a quella riportata di seguito: Pubblicato con il permesso scritto da parte StataCorp LP. Fare clic sul pulsante. L'output che produce Stata è mostrato sotto. Uscita del t-test indipendente Stata Se i dati passati ipotesi 4 (cioè non ci sono stati valori anomali significativi), assunzione 5 (cioè la variabile dipendente è stato di circa normalmente distribuito per ciascuna categoria della variabile indipendente) e assunzione 6 (vale a dire non c'era omogeneità delle varianze), che abbiamo spiegato in precedenza nella sezione Ipotesi, si avrà solo bisogno di interpretare il seguente output Stata per il t-test indipendente: Pubblicato con il permesso scritto da parte StataCorp LP. Questa uscita fornisce statistiche descrittive utili per i due gruppi che rispetto, tra la media e la deviazione standard, così come i risultati effettivi del t-test indipendente. Possiamo vedere che i mezzi di gruppo sono significativamente differenti come - value p nella riga Pr (T t) (in Ha: diff 0) è inferiore a 0,05 (cioè sulla base di un livello di significatività 2-code). Guardando la colonna dire, si può vedere che le persone che hanno utilizzato i cerotti alla nicotina avevano un minor consumo di sigarette alla fine dell'esperimento rispetto a coloro che hanno ricevuto il placebo. Nota: Vi presentiamo l'uscita dalla t-test indipendente sopra. Tuttavia, dal momento che si dovrebbe avere testato i dati per le ipotesi che abbiamo spiegato in precedenza nella sezione Ipotesi, sarà anche necessario per interpretare l'output Stata che è stato prodotto quando testato per loro. Questo include: (a) i grafici a scatole utilizzate per controllare se ci fossero eventuali valori anomali significativi (b) l'uscita Stata produce per il test di Shapiro-Wilk di normalità per determinare la normalità e (c) l'uscita Stata produce per Test di Levene per l'omogeneità di varianze. Inoltre, ricorda che se i dati non sono riusciti qualsiasi di queste ipotesi, l'output che si ottiene dalla procedura di t-test indipendenti (cioè l'uscita discutiamo sopra) non sarà più rilevante, e sarà necessario interpretare l'uscita Stata che è prodotte quando falliscono (cioè questo include risultati diversi). Segnalazione l'uscita del t-test indipendente Quando si riporta l'uscita del t-test indipendenti, è buona norma includere: (a) una introduzione all'analisi voi effettuata (b) le informazioni sul campione, compreso il numero di i partecipanti sono stati in ogni gruppo dei vostri due gruppi (NB: questo è particolarmente utile se le dimensioni del gruppo erano disuguali o se ci mancavano i valori) (c) la media e la deviazione standard per i vostri due gruppi indipendenti e (d) la t-valore osservato (t), i gradi di libertà (gradi di libertà), e il livello di significatività, o p - value più specificamente, il 2-tailed (Pr (T t)). Sulla base dei risultati di cui sopra, si potrebbe riportare i risultati di questo studio come segue: Un t-test indipendente è stato eseguito su un campione di 30 forti fumatori per determinare se vi erano differenze di consumo di sigarette base al tipo di trattamento, che consiste di un placebo ( il gruppo di controllo) e cerotti alla nicotina (il gruppo di trattamento). Entrambi i gruppi costituiti da 15 partecipanti assegnati in modo casuale. I risultati hanno mostrato che i partecipanti dato nicotina patch avevano statisticamente significativamente più basso consumo di sigarette (21.47 177 2.07 sigarette) al termine dell'esperimento rispetto ai partecipanti dato placebo (28.53 177 2.07 sigarette), t (28) 2.410, p 0.023. Oltre al riportare i risultati di cui sopra, un diagramma può essere utilizzato per presentare visivamente i risultati. Ad esempio, è possibile farlo utilizzando un grafico a barre con barre di errore (ad esempio, in cui gli errori barre potrebbero essere la deviazione standard, errore standard o intervalli di confidenza 95). Questo può rendere più facile per gli altri a capire i risultati. Inoltre, ci si aspetta sempre di segnalare dimensioni degli effetti in aggiunta ai risultati t-test indipendenti. dimensioni dell'effetto sono importanti perché, mentre il t-test indipendente indica se la differenza tra il gruppo significa che è reale (cioè diversa nella popolazione), non vi dico la dimensione della differenza. Mentre Stata non produrrà queste dimensioni dell'effetto per voi utilizzando questa procedura, vi è una procedura in Stata di farlo.