Bom texto para reamostragem?

O grupo pode recomendar um bom texto / recurso de introdução às técnicas de reamostragem aplicadas? Especificamente, estou interessado em alternativas aos testes paramétricos clássicos (por exemplo, testes t, ANOVA, ANCOVA) para comparar grupos quando suposições como normalidade são claramente violadas.

Um exemplo de tipo de problema que eu gostaria de me informar sobre uma maneira melhor de resolver pode envolver algo como:

I)
2 Grupos: Tratamento e Controle

Var dependente: alteração no saldo da conta em dólares após a intervenção

Covariada: Saldo em conta de pré-intervenção em dólares.

Problema ao aplicar o ANCOVA: Muitos assuntos não terão alterações (muitos zeros).

II)
2 Grupos: Tratamento e Controle

Var dependente: novas contas adicionadas

Covariada: número de contas pré-intervenção.

* Muitos assuntos não terão nenhuma conta adicionada (muitos zeros).

Posso usar um bootstrap? Um teste de permutação? Esse é o tipo de análise à qual gostaria de aplicar métodos de reamostragem não paramétricos.

references bootstrap resampling

— B_Miner
fonte

Respostas:

Como uma boa referência, eu recomendaria Philip Good, Métodos de reamostragem: um guia prático para análise de dados (Birkhäuser Boston, 2005, 3ª ed.) Para um livro complementar aplicado. E aqui está uma bibliografia anotada para reamostragem de bootstrap . Métodos de reamostragem: conceitos, aplicativos e justificativa também fornecem um bom começo.

Existem muitos pacotes R que facilitam o uso de técnicas de reamostragem:

boot , para inicialização - mas veja também P. Burns, The Statistical Bootstrap e Other Resampling Methods , para ilustrações
moeda , para testes de permutação (veja a vinheta que inclui ajuda extensiva)

(Existem muitos outros pacotes ...)

— chl
fonte

@chi e @whuber: Obrigado, eu estava pensando se o livro The Good era uma boa escolha. Para os tipos de problemas que eu expus - basicamente a ANCOVA com violações, estou no caminho certo com permutação ou bootstrap?

— B_Miner

@ user2040 É difícil dar errado nos testes de permutação. Good possui capítulos especificamente sobre projetos multifatoriais, dados categóricos e análise multivariada (incluindo MANCOVA). Embora eu não compreenda completamente seu problema específico, tenho certeza de que você encontrará algo útil lá.

— whuber

@ user2040 Vou adicionar algumas referências, mas também achei seus dois pontos difíceis de entender. Que eu saiba, não há teste de permutação exato quando a covariável é contínua.

— chl

@chl Acho que, se entendi corretamente seu comentário sobre covariáveis contínuas, essa exatidão depende do papel desempenhado pela aleatoriedade nos dados. Quando a randomização ocorre por design , não parece importar que tipo de dados você possui. O teste de permutação leva os dados conforme dados e simplesmente permite vislumbrar como seriam os resultados estatísticos se nossos geradores de números aleatórios tivessem (por exemplo) resultado em diferentes atribuições de indivíduos para grupos de tratamento e controle.

— whuber

@chi e @whuber, obrigado novamente. Vou ver qual dos bons livros é o melhor (muitos trocadilhos). Quanto ao meu problema, basicamente é um experimento de duas amostras (tratamento e controle / sem tratamento) em que existe uma medida de base pré-experimento e uma medida pós-tratamento, sendo esta última a variável dependente (na verdade, é uma mudança na medida do pré ao post). Portanto, seria uma ANCOVA ou ANOVA típica (dependendo se a alteração é dependente ou pós, com o pré como covariável), exceto que muitas das medições pós são zero (o cliente não comprou nada).

— B_Miner

Testes de Phillip Good, Permutação, Paramétricos e Bootstrap de Hipóteses (3ª Edição). Springer, 2005.

Este livro é matematicamente fácil, acessível e abrange uma ampla gama de aplicativos.

— whuber
fonte

(+1) Ah ... citamos o mesmo livro :)

— chl

@chl Acho que não: são do mesmo autor, mas têm títulos e editores ligeiramente diferentes. Talvez devêssemos dizer um pouco mais sobre eles, para que possamos determinar qual pode ser mais apropriado para o OP. Adicionei alguns detalhes em um comentário à sua resposta.

— whuber

Eu apaguei o meu depois de ver o seu.

— chl

@chl Ah, entendo. Portanto, não há redundância.

— whuber