ความแตกต่างระหว่าง MANOVA และ ANOVA มาตรการซ้ำแล้วซ้ำอีก?

26

อะไรคือความแตกต่างระหว่างการวัด ANOVA ซ้ำ ๆ กับปัจจัยบางอย่าง (พูดว่าเงื่อนไขการทดลอง) และ MANOVA
โดยเฉพาะอย่างยิ่งเว็บไซต์หนึ่งที่ฉันสะดุดพบว่า MANOVA ไม่ได้ทำการสันนิษฐานแบบเดียวกันกับความกลมกลืนของมาตรการ ANOVA ซ้ำ ๆ ว่าเป็นเรื่องจริงหรือไม่?
- ถ้าใช่ทำไมไม่ใช้ MANOVA เสมอ
ฉันพยายามดำเนินการมาตรการ ANOVA ซ้ำ ๆ กับ DV หลาย ๆ ตัววิธีที่เหมาะสมคืออะไร?

2

วิธีการหลายตัวแปรในการวัดซ้ำ ๆ นั้นไม่ถือว่าแต่ละปัจจัยมีระดับเป็น DV แยกต่างหาก แต่จะปฏิบัติต่อความแตกต่างที่เป็นเอกลักษณ์ทั้งหมดระหว่างระดับปัจจัยเป็น DV แยกต่างหากจากนั้นทดสอบสมมติฐานที่ว่า centroid เชิงทฤษฎีของ DVs เหล่านี้คือ 0-vector หากมีระดับ

มี p มากกว่า 2 ความแตกต่างและ

ความแตกต่างที่ไม่ซ้ำกัน (เกี่ยวข้องกับ

ระดับปัจจัยที่แตกต่างกัน)

p

$p$

p - 1

$p-1$

p - 1

$p-1$

— caracal

ฉันได้แก้ไขคำถามเพื่อลบวลีที่ละเมิดออกไป แต่ฉันไม่แน่ใจว่าฉันเข้าใจความคิดเห็นของคุณทั้งหมดและดูเหมือนว่าอาจเป็นประเด็นที่เกี่ยวข้องเพื่อให้ชัดเจนว่าเป็นคำตอบของคำถามหัวข้อแรก

— russellpierce

3

บทที่ 13 ของ Maxwell & Delaney (2004) "การออกแบบการทดลองและการวิเคราะห์ข้อมูล" ให้การรักษาในเชิงลึกของคำตอบที่คุณกำลังมองหาในสองหัวข้อแรกของคุณ

— caracal

การสนทนาที่ชัดเจนและรัดกุมมีให้ในA Bluffer's Guide to ... Sphericity by Andy Field ดูเพิ่มเติมการแนะนำเกี่ยวกับความเป็นลูกกลมโดย Thom Baguley

— อะมีบาพูดว่า Reinstate Monica

16

การมีมาตรการ DV ซ้ำหลายครั้งเราสามารถใช้วิธีการ univariate (หรือเรียกอีกอย่างว่ามาตรการที่ซ้ำกัน ( sensu Measures) วิธีsensu tightoหรือ split-plot approach) หรือวิธีการหลายตัวแปร (หรือ MANOVA) ในแนวทางที่ไม่แปรปรวนระดับ RM จะถือว่าเป็นการเบี่ยงเบนจากตัวแปรหนึ่งตัวซึ่งเป็นระดับเฉลี่ยของพวกเขา ในวิธีการหลายตัวแปรระดับ RM จะถือว่าเป็น covariates ของกันและกัน วิธี Univariate ต้องการสมมติฐาน sphericity ในขณะที่วิธีการหลายตัวแปรไม่ได้และด้วยเหตุนี้จึงเป็นที่นิยมมากขึ้น อย่างไรก็ตามมันใช้จ่ายdfมากขึ้นและต้องการตัวอย่างขนาดใหญ่ขึ้น นอกจากนี้วิธีการ univariate ยังคงรักษาความนิยมเอาไว้ เมื่อสมมติฐาน sphericity (และเกินความคาดหมายมากกว่าสมมติฐานทั่วไปสมมาตรผสมมากเกินไป) ถือผลลัพธ์โดยวิธีการทั้งสองจะคล้ายกันมากเท่าที่ฉันรู้

— ttnphns
แหล่งที่มา

5

$d$ $d$

ผลที่ตามมาก็คือว่า ANOVA และ MANOVA "โปรดปราน" ทางเลือกที่แตกต่างกัน ดังนั้นใช้ MANOVA ถ้าคุณต้องการปฏิเสธความยาว Mahalanobis ที่ยอดเยี่ยมของเวกเตอร์ค่าเฉลี่ยในขณะที่ใช้ ANOVA ถ้าคุณต้องการปฏิเสธความยาวแบบยุคลิดอันยิ่งใหญ่

แต่ถ้าเมทริกซ์ความแปรปรวนร่วมเป็นทรงกลมทั้งสองเกณฑ์จะสอดคล้องกันดังนั้นในกรณีนี้ผลลัพธ์ของ ANOVA และ MANOVA ก็เหมือนกันเช่นกัน (แม้ว่าจะไม่แสดงอาการเท่านั้น) ตามที่ ttnphns ชี้ให้เห็น

— Horst Grünbusch
แหล่งที่มา

4

ฉันชอบแบบจำลองการวัดซ้ำ ไม่เพียง แต่จะตีความผลลัพธ์ได้ง่ายขึ้นเท่านั้น แต่ยังมีความยืดหยุ่นในการที่คุณสามารถระบุโครงสร้างความแปรปรวนร่วมได้อีกด้วย

ข้อมูลอ้างอิงนี้อาจใช้งานตามตัวอย่าง: Mixed หรือ MANOVA

— หุบเขาแคบ ๆ
แหล่งที่มา

1

ฉันคิดว่า "รูปแบบการวัดซ้ำ" คุณหมายถึงแบบผสม (เช่นเดียวกับในลิงก์ที่คุณให้ไว้) มันสำคัญมากที่จะต้องเจาะจงที่นี่: คุณดูเหมือนจะไม่ชอบมาตรการซ้ำ ๆ ANOVA (ตามคำถาม) คุณชอบแบบจำลองที่หลากหลายสำหรับมาตรการซ้ำ ๆ และตามที่ระบุไว้ในโพสต์บล็อกโมเดลผสมเป็นที่นิยมในกรณีส่วนใหญ่

— wolf.rauch

1

ลิงก์ไปยังข้อมูลอ้างอิงมีการเปลี่ยนแปลง ก็สามารถพบได้ที่นี่ ในบันทึกอื่นฉันคิดว่ามันยุติธรรมที่จะคิดว่า RM ANOVA เป็นกรณีพิเศษของโมเดลเชิงเส้นผสม

— gung - Reinstate Monica

ใช่แบบจำลองการวัดซ้ำเป็นแบบผสม หนึ่งสามารถดูบทใน SAS สำหรับรุ่นผสม

— เกลน

2

แบบจำลองการวัดซ้ำเป็นกรณีพิเศษของแบบผสม แต่ฉันคิดว่ามันสำคัญมากที่จะเน้นว่าพวกเขาไม่เหมือนกัน PROC MIXED ใน SAS สามารถใช้โมเดลที่แตกต่างอย่างเห็นได้ชัดจากมาตรการ ANOVA ซ้ำ ๆ SAS มีแนวโน้มที่จะคัดสรรความแตกต่างเหล่านี้ในผู้ใช้ชั้นนำของพวกเขาในการตีความรูปแบบผสมไม่แตกต่างจากที่พวกเขาจะทำซ้ำมาตรการ ANOVA ฉันแค่กำลังตีที่นี่เพื่อพูดว่ารับประกันความระมัดระวังและผู้ใช้ของ PROC MIXED ควรระวังเพื่อให้แน่ใจว่าพวกเขารู้ว่าสิ่งที่พวกเขากำลังทำ

— russellpierce