สมมติฐานของการวิเคราะห์ความแปรปรวนแบบทางเดียวคือค่าเฉลี่ยของทุกกลุ่มมีค่าเท่ากัน:สมมติฐานของ MANOVA แบบทางเดียวคือ [หลายตัวแปร] ทุกกลุ่มมีค่าเท่ากัน:นี้จะเทียบเท่ากับบอกว่าหมายถึงการมีความเท่าเทียมกันสำหรับตัวแปรตอบสนองแต่ละคือตัวเลือกแรกของคุณถูกต้องH 0 : μ 1 = μ 2 = . . = μ k . H 0H0
H0:μ1=μ2=...=μk.
H0H0:μ1=μ2=...=μk.
ในทั้งสองกรณีสมมติฐานทางเลือกคือการปฏิเสธค่าว่าง ในทั้งสองกรณีสมมติฐานคือ (a) การแจกแจงแบบเกาส์ภายในกลุ่มและ (b) ความแปรปรวนที่เท่ากัน (สำหรับ ANOVA) / เมทริกซ์ความแปรปรวนร่วม (สำหรับ MANOVA) ข้ามกลุ่มH1
ความแตกต่างระหว่าง MANOVA และ ANOVAs
สิ่งนี้อาจดูสับสนเล็กน้อย: สมมติฐานว่างของ MANOVA นั้นเหมือนกับการรวมกันของสมมติฐานว่างสำหรับการรวบรวม ANOVAs แบบ univariate แต่ในเวลาเดียวกันเรารู้ว่าการทำ MANOVA นั้นไม่เทียบเท่ากับการทำ ANOVA แบบ univariate แต่อย่างใด " การรวม "ผลลัพธ์ (อย่างใดอย่างหนึ่งอาจเกิดขึ้นกับหลายวิธีของการรวม) ทำไมจะไม่ล่ะ?
คำตอบก็คือการรัน ANOVAs ที่ไม่แปรเปลี่ยนทั้งหมดแม้ว่าจะทดสอบสมมติฐานว่างเดียวกันก็จะมีพลังน้อยลง ดูคำตอบของฉันที่นี่เพื่อเป็นตัวอย่าง: MANOVA จะรายงานความแตกต่างที่สำคัญได้อย่างไรเมื่อไม่มี ANOVA ที่ไม่มีการเปลี่ยนแปลงใด ๆ ถึงความสำคัญ วิธีการไร้เดียงสาของ "การรวมกัน" (ปฏิเสธโมฆะโลกถ้าอย่างน้อยหนึ่ง ANOVA ปฏิเสธโมฆะ) ก็จะนำไปสู่อัตราเงินเฟ้อที่ผิดพลาดประเภท 1 แต่แม้ว่าจะเลือกวิธีการ "รวม" อย่างชาญฉลาดเพื่อรักษาอัตราความผิดพลาดที่ถูกต้อง แต่ก็จะสูญเสียพลังงาน
การทดสอบทำงานอย่างไร
ANOVA สลายตัวยอดรวมของสี่เหลี่ยมขึ้นระหว่างกลุ่ม sum-of-สี่เหลี่ยมและอยู่ในกลุ่ม sum-of-สี่เหลี่ยมเพื่อให้ W จากนั้นจะคำนวณอัตราส่วน W ภายใต้สมมติฐานว่างอัตราส่วนนี้ควรมีขนาดเล็ก (ประมาณ ) เราสามารถคำนวณการกระจายตัวของอัตราส่วนนี้อย่างถูกต้องภายใต้สมมติฐานว่าง (ขึ้นอยู่กับและจำนวนกลุ่ม) การเปรียบเทียบค่าที่สังเกตได้กับการแจกแจงนี้ให้ผลเป็นค่า pTBWT=B+WB/W1nB/W
MANOVA สลายตัวกระจายรวมเมทริกซ์ขึ้นระหว่างกลุ่มที่กระจายเมทริกซ์และอยู่ในกลุ่มที่กระจายเมทริกซ์เพื่อให้W จากนั้นจะคำนวณเมทริกซ์B ภายใต้สมมติฐานว่าง, เมทริกซ์นี้ควร "เล็ก" (ประมาณ ); แต่จะหาปริมาณได้อย่างไรว่า "เล็ก" มันคืออะไร? MANOVA ดูที่ค่าลักษณะเฉพาะของเมทริกซ์นี้ (พวกมันเป็นค่าบวก) อีกครั้งภายใต้สมมติฐานว่างค่าลักษณะเฉพาะเหล่านี้ควรเป็น "เล็ก" (ประมาณTBWT=B+WW−1BIλi1) แต่ในการคำนวณค่า p เราจำเป็นต้องมีหมายเลขหนึ่ง (เรียกว่า "สถิติ") เพื่อที่จะสามารถเปรียบเทียบกับการแจกแจงที่คาดหวังภายใต้ null มีหลายวิธีที่จะทำ: ใช้ผลรวมของค่าลักษณะเฉพาะทั้งหมด ; ใช้ค่าลักษณะเฉพาะสูงสุดฯลฯ ในแต่ละกรณีตัวเลขนี้จะถูกนำไปเปรียบเทียบกับการกระจายของปริมาณนี้ที่คาดหวังภายใต้ค่า Null ซึ่งส่งผลให้ค่า p∑λimax{λi}
ตัวเลือกที่แตกต่างกันของสถิติการทดสอบนำไปสู่ค่า p ที่แตกต่างกันเล็กน้อย แต่สิ่งสำคัญคือต้องตระหนักว่าในแต่ละกรณีจะมีการทดสอบสมมติฐานว่างเดียวกัน