Actualizado por ultima vez el 21 de septiembre de 2021, por Luis Benites.
Es posible que desee leer este artículo primero: ¿Qué es el rango estudentizado?
Newman-Keuls (a veces llamado Student-Newman-Keuls o SNK) es una prueba post hoc para las diferencias de medias . Una vez que un ANOVA ha dado un resultado estadísticamente significativo , puede ejecutar un Newman-Keuls para ver qué pares específicos de medias son diferentes. La prueba se basa en la distribución de rango estudentizada .
Una variante de la prueba Student-Newman-Keuls es la prueba de rango múltiple (MRT) de Duncan , que utiliza niveles alfa crecientes para calcular valores críticos en cada paso del procedimiento. Esto da como resultado una menor probabilidad de error de tipo I.
Nota : Esta prueba tiene una potencia menor que ANOVA. Por lo tanto, solo debe ejecutarlo si un ANOVA encuentra un resultado significativo. Dicho esto, si el ANOVA encuentra una diferencia significativa general pero el SNK no logra encontrar diferencias significativas entre ningún par, es posible que la potencia más baja haya resultado en una falla para encontrar qué pares son significativos. Si esto sucede, ejecute una prueba post hoc alternativa como HSD de Tukey o MRT de Duncan .
Cómo funciona la prueba
Las hipótesis nulas básicas para la prueba son:
- H o : media A = media B,
- H a : media A ≠ media B.
Donde A y B podrían ser cualquier par posible.
Esta prueba generalmente se realiza con software. Funciona como la mayoría de las otras pruebas de hipótesis: calcula un valor de prueba, encuentra el valor crítico y compara los dos. A mano, tendrás que realizar varios cálculos:
Paso 1: Ordenar las medias de mayor a menor.
Los siguientes pasos son comparar las diferencias entre el grupo con la media más grande con el grupo con la media más pequeña:
Paso 2: Calcular el error estándar utilizando el error cuadrático medio (a partir de la salida de ANOVA). Si los tamaños de muestra son iguales, use la fórmula 1. Si no son iguales, use la fórmula 2. Paso 3: Calcule el valor q usando la siguiente fórmula:
Paso 4: Encuentre el valor crítico q de la tabla de valores críticos q . Las filas son el número de medias que se comparan (es decir, el número de tratamientos) y las columnas son los grados de libertad .
Paso 5: Compare el valor calculado (Paso 3) con el valor de la tabla (Paso 4). Si el valor calculado es mayor que el valor de la tabla, entonces rechace la hipótesis nula de que las dos medias son iguales (es decir, por lo tanto, las medias no son iguales). Si el valor calculado es menor que el valor de la tabla, entonces la hipótesis nula es que las dos medias son iguales.
Si las dos medias son iguales, detenga la prueba . Puedes concluir que no hay diferencia entre ningún par de medias.
Si las dos medias son desiguales, repita los pasos 2 a 5 para la siguiente media más alta y la media más baja. Deténgase cuando encuentre un par de medias que sean iguales.
Newman-Keuls contra Tukey HSD
Newman-Keuls y Tukey HSD funcionan con diferentes distribuciones (Tukey con la distribución t y Newman-Keuls con el rango estudentizado) pero eso no significa necesariamente que uno sea mejor que el otro. De hecho, no hay consenso sobre cómo elegir entre los dos. Aunque la prueba NK fue diseñada para tener más poder que el HSD de Tukey, la probabilidad de cometer un error de Tipo I no se puede calcular para la prueba NK, ni es posible calcular los intervalos de confianza alrededor de la diferencia entre las medias. Un problema citado con frecuencia con SNK es que una vez que comienza a comparar más de cuatro medias, la tasa de error familiar aumenta a niveles inaceptables (p. ej., 0,15 para 5 medios). En realidad, es extremadamente raro tener un experimento en el que realmente piense que cinco o más conjuntos de medias son completamente iguales, pero si esta situación inusual es cierta, es posible que desee seleccionar una prueba post hoc diferente.
Referencias:
Herve´ Abdi · Lynne J. Williams. Test de Newman-Keuls y Test de Tukey. En Neil Salkind (Ed.), Encyclopedia of Research Design. Thousand Oaks, CA: Sabio. 2010
