问题陈述-统计证明5个组相同或不同
我正在研究一个数据集大小约为600,000的问题。
有5组，分别是[A，B，C，D，E]和相应的薪水，每组约有10万观察值。
df['Salary']稍微偏斜。我尝试了ANOVA和Kruskal测试。
方差分析结果
如果我使用所有数据-p值表示各组在统计上是不同的（p
如果我在每组中使用10K随机样本，则p值会增加到〜0.002333
如果我在每个组中使用1000个随机样本，则p值超过0.05，约为〜0.5
我不确定如何评估这些结果？应该考虑的样本量是多少，我应该考虑采用什么其他方法
5组的均值和SD低于（当我考虑每组100,000个随机样本时：
第1组-（12.134831460674159，5.1823701530849995）
第2组-（11.64860907759883，5.092876703946831）
第3组-（11.660195118395315，4.952100116921575）
第4组-（12.052747507535358，5.091383288751849）
第5组-（11.468062169943916，4.996349965883181）
KRUSKAL结果
当样本量= 100时
KruskalResult(statistic=34.20564125753886, pvalue=6.762162830091762e-07)
当样本量为10,000时
KruskalResult(statistic=179.39353155924363, pvalue=1.0064249109632168e-37)
答案 0 :(得分：0)
您的样本量很大，每组100k。有了这么多的数据点，您几乎可以保证找到统计学上显着的差异/结果。这些统计检验并非真正针对如此大的样本量而设计。
您应该使用所有数据来获得最佳估计，但是，您将不得不使用领域知识来确定差异是否具有实际意义。另外，您应该查看置信区间以确定效果。
此外，方差分析假设残差的正态分布，而不是数据。
