关于置信检验中缺失数据、异常值与变换的考量
统计方法学
2024-08-14 v1
摘要
多因素实验设计允许我们评估多个因素以及潜在的相互作用对一个或多个感兴趣响应的贡献。遵循西拉·A. 费舍尔提倡的方差分区原则后，实验响应被分解为主要因素和相互作用的定量贡献。ANOVA和ASCA(+)中执行这种分解的常用方法是通过广义线性模型。随后，可以使用不同的推断方法来识别贡献是否具有统计显着性。不幸的是，置信检验的表现在缺失数据、异常值和/或响应分布偏离正态性的情况下，可能会严重受到Type I和Type II错误的影响，这些问题在现代实验分析中十分常见。本文研究了这些问题，并提出了应用中的好做法。
引用
@article{arxiv.2408.06739,
title = {Considerations for missing data, outliers and transformations in permutation testing for ANOVA, ASCA(+) and related factorizations},
author = {Oliver Polushkina Merchanskaya and Michael D. Sorochan Armstrong and Carolina Gómez Llorente and Patricia Ferrer and Sergi Fernandez-Gonzalez and Miriam Perez-Cruz and María Dolores Gómez-Roig and José Camacho},
journal= {arXiv preprint arXiv:2408.06739},
year = {2024}
}
备注
Submitted to Chemometrics and Intelligent Laboratory Systems