推 Gilgamesh: 關鍵字：Tests of hypotheses for two proportions，應 07/06 01:35
→ Gilgamesh: 該在教科書裡可以找到 07/06 01:35
→ yhliu: t 檢定不能用的話, z 檢定同樣不能用. 07/06 08:13
→ yhliu: 關鍵在每個觀測值的變異不同質. t 或 z 檢定都是假設兩樣本 07/06 08:16
→ yhliu: 的各觀測值都是從各該群體抽出之隨機樣本, 因此 E[Xij]=μi 07/06 08:18
→ yhliu: Var[Xij]=σi^2. 但此例 E[Xij]=μi, Var[Xij]=σij^2. 07/06 08:21
→ yhliu: 如果忽略每個兒童錯用率之變異不同幅問題, 只把它當普通資 07/06 08:23
→ yhliu: 料, 當然還是用 t 檢定. z 檢定只是在兩群體變異數已知, 或 07/06 08:26
→ yhliu: 兩樣本都足夠大時的近似方法, 沒有道理說兩群體平均數比較 07/06 08:28
→ yhliu: 時不能用 t 反而能用 z. 07/06 08:29
→ yhliu: 如果比較精確地建立線性模型, 設 Xij = μi+εij, 其中 07/06 08:36
→ yhliu: Var(εij)=μi/Mij. Mij 為第 ij 兒童之詞彙數, 則 07/06 08:39
→ yhliu: t = (Xbar-Ybay)/√{GbarΣ(1/Mij)}, Gbar=兩組總平均. 07/06 08:41
→ yhliu: t 之自由度 n1+n2-1. n1, n2 分別是兩組兒童數. 07/06 08:43
→ yhliu: 細想一下, 或許 t 之自由度用 n1+n2-1 不適當, 因為變異數 07/06 08:50
→ yhliu: 不是用標準的群體變異數估計公式, 而是用二項比例之變異數 07/06 08:53
→ yhliu: 公式. 所以可以用標準常態近似 t 之分布. 當然用 n1+n2-1 07/06 08:55
→ yhliu: 自由度之 t 分布也可以, 比較保守些. 07/06 08:56
→ andrew43: mixed-effect logistic/poisson regression 07/06 11:56