Permutationstest och bootstrap (ingen normalfördelning)

Kort sagt

Under ”Fler alternativ” som ”Ingen normalfördelning - med slumpförfaranden”: Statable blandar om eller drar stickprov om och om igen och räknar vad slumpen ensam ger.

Vad det är till för

• Två grupper: permutationstest (Welch t, så att det håller vid ojämn spridning) och bootstrap-intervall för skillnaden, dragen separat inom varje grupp.
• Samband: permutationstest för r, bootstrap-intervall, Fisher z bredvid. Förutsägelse: fall-bootstrap av koefficienterna. Fördelning: bootstrap av medelvärde eller median.

Förutsättningar

Oberoende fall. En frekvensvikt beräknas över den expanderade mängden (upp till Σw = 100 000); en designvikt är spärrad.

Läsa resultatet

Alltid synligt: antal dragningar B (9999), startvärde, intervalltyp. p = (b + 1)/(B + 1), aldrig 0. ”Dra igen” visar slumpfelet. Med n < 30 anger anmärkningen t-intervallet: bootstrap-intervall är då oftast för smala.

Redovisa resultatet

Permutationstest, 9999 slumpmässiga indelningar, p = ,025; 95 % percentil-bootstrap-KI [1,4; 7,6], startvärde 20261008

Begränsningar

Permutationstestet kontrollerar om gruppindelningen spelar roll, inte bara medelvärdena. Ingen residual-bootstrap, inget permutationstest av enskilda koefficienter. Statables slumptal är inte R:s.

Källa

Phipson, B., & Smyth, G. K. (2010). Permutation p-values should never be zero. Statistical Applications in Genetics and Molecular Biology, 9(1), 39. Hesterberg, T. C. (2015). What teachers should know about the bootstrap. The American Statistician, 69(4).