ทำความเข้าใจกับการวัดสมมติฐาน ANOVA ซ้ำ ๆ เพื่อการตีความที่ถูกต้องของเอาต์พุต SPSS

ฉันกำลังตรวจสอบว่าเงื่อนไขการให้รางวัลที่แตกต่างกันอาจมีผลต่อการปฏิบัติงานหรือไม่ ฉันมีข้อมูลจากการศึกษาขนาดเล็กที่มีสองกลุ่มโดยแต่ละกลุ่มมี n = 20 ฉันรวบรวมข้อมูลเกี่ยวกับงานที่เกี่ยวข้องกับประสิทธิภาพในเงื่อนไข "รางวัล" 3 แบบที่แตกต่างกัน งานเกี่ยวข้องกับการปฏิบัติงานในแต่ละเงื่อนไข 3 ครั้งสองครั้ง แต่สุ่มลำดับ ฉันต้องการดูว่ามีความแตกต่างในการปฏิบัติงานของแต่ละกลุ่มหรือไม่ในแต่ละเงื่อนไข "รางวัล" ที่แตกต่างกัน

• IV = ประเภทกลุ่ม
• DV = หมายถึงการวัดประสิทธิภาพการทำงานใน 3 เงื่อนไข

ฉันมีผลลัพธ์จากการวัด ANOVA ซ้ำ ๆ และการเข้าถึงชุดข้อมูลดิบใน SPSS แต่ไม่แน่ใจว่าจะดำเนินการอย่างไร ฉันไม่สามารถหาคำแนะนำทีละขั้นตอนสำหรับการตีความนี้เนื่องจากข้อความของ Pallantค่อนข้าง จำกัด ปัญหาเฉพาะของฉันอยู่ในพื้นที่ต่อไปนี้:

1. ฉันจะตรวจสอบความเป็นมาตรฐานของตัวแปรแต่ละตัวของฉันทีละตัวหรือรวมกันในแต่ละระดับของ IV หรือไม่? หากอยู่ในชุดค่าผสมฉันจะตรวจสอบได้อย่างไร
2. ฉันจะตรวจสอบการทดสอบของ Mauchly ก่อนหรือไม่ หากมีการละเมิดหมายความว่าอย่างไร หากไม่ละเมิดหมายความว่าอย่างไร
3. เมื่อไรที่จะดูตารางการทดสอบหลายตัวแปรหรือการทดสอบเอฟเฟกต์ในหัวข้อต่างๆ ฉันไม่แน่ใจว่าเมื่อใดที่เหมาะสมที่จะใช้ (หรือทั้งคู่?)
4. มันจะโอเคที่จะดูการเปรียบเทียบแบบเป็นคู่เสมอหรือไม่? ดูเหมือนว่าใช้ง่ายหากมีผลหลายตัวแปรหรือในหัวข้อไม่ได้บ่งบอกความสำคัญ (เช่น P <0.05) แต่ฉันไม่แน่ใจอีกครั้ง

1. ตัวแปรตามของคุณควรเป็นเรื่องปกติในแต่ละเซลล์ของการออกแบบระหว่างเรื่อง คุณมีเซลล์ดังกล่าว 2 เซลล์: 2 กลุ่มดังนั้นมาตรฐานควรอยู่ในทั้งสองกลุ่ม ความแปรปรวนร่วมแปรปรวนระหว่าง 3 DV ของคุณควรเหมือนกันใน 2 กลุ่ม คุณสามารถตรวจสอบความปกติโดยการทดสอบ Shapiro-Wilk หรือการทดสอบ Kolmogorov-Smirnov (พร้อมการแก้ไข Lilliefors) ในขั้นตอน EXPLORE ความแปรปรวนร่วม - ความแปรปรวนร่วมสามารถทดสอบได้โดยการทดสอบ M ของกล่อง (พบในการวิเคราะห์จำแนก) อย่างไรก็ตามโปรดทราบว่า ANOVA ค่อนข้างแข็งแกร่งต่อการละเมิดสมมติฐานทั้งสอง

2. การทดสอบของ Mauchly ตรวจสอบสมมติฐานที่เรียกว่า sphericity ซึ่งจำเป็นสำหรับวิธีการ univariate ในการวัด ANOVA ซ้ำ ๆ สมมติฐานนี้ต้องการความแตกต่างระหว่างการวัดซ้ำที่ทำซ้ำโดยประมาณของคุณซึ่งไม่เกี่ยวข้องกัน หากสมมติฐานถูกละเมิดคุณควรมองข้าม "Spericity สันนิษฐาน" ในตารางการทดสอบภายในเรื่องผลกระทบ - พบว่ามีการแก้ไขบางอย่าง (เช่นเรือนกระจก - Geisser) แทน

3. ในขณะที่ตารางการทดสอบภายในเรื่องผลสะท้อนให้เห็นถึง "วิธีการ univariate" ใน RM-ANOVA ตารางการทดสอบหลายตัวแปรสะท้อนให้เห็นถึง "วิธีการหลายตัวแปร" ทั้งสองมีประโยชน์และมีการถกเถียงกันเล็กน้อยว่า "ดีกว่า" อ่านเล็ก ๆ น้อย ๆที่นี่เกี่ยวกับพวกเขามากขึ้นอีกนิดที่นี่

4. โดยทั่วไปแล้วจะไม่ตรวจสอบการทดสอบแบบจับคู่หากผลโดยรวมไม่สำคัญมันมีความรู้สึกน้อย

ทรัพยากรทั่วไปเกี่ยวกับการตีความมาตรการ ANOVA ซ้ำด้วย SPSS

ดูเหมือนว่าคุณต้องการทรัพยากรทั่วไปที่ดีกว่าในการวัด ANOVA ซ้ำ ๆ ต่อไปนี้เป็นแหล่งข้อมูลเว็บเพียงไม่กี่แห่ง แต่โดยทั่วไปแล้วการค้นหา"SPSS มาตรการ ANOVA ซ้ำ ๆ "จะให้ทางเลือกที่มีประโยชน์มากมาย

• UCLAมีตัวอย่างของเอาต์พุต SPSS ที่มีการตีความโดย ANOVA ผสม 2 ถึง 3 พร้อมด้วยตัวอย่างอื่น ๆ
• Andy Field ใช้มาตรการ ANOVA ซ้ำหลายครั้ง

1. ตรวจสอบความปกติ

• จากมุมมองของภาคปฏิบัติการทดสอบภาวะปกติมักใช้เพื่อพิสูจน์การเปลี่ยนแปลง หากคุณใช้การแปลงคุณต้องใช้การแปลงเดียวกันกับเซลล์ทั้งหมดของการออกแบบ
• วิธีทั่วไปในการประเมินความเป็นมาตรฐานโดยใช้ SPSS คือการตั้งค่าแบบจำลองของคุณและบันทึกส่วนที่เหลือจากนั้นตรวจสอบการกระจายตัวของส่วนที่เหลือ

2. คุณค่าของการทดสอบของ Mauchly

• กลยุทธ์ทั่วไปคือการดูการทดสอบของ Mauchly และหากมีความสำคัญทางสถิติให้ตีความการทดสอบที่ถูกแก้ไขแบบ univariate หรือการทดสอบหลายตัวแปร

3. หลายตัวแปร

• ฉันคิดว่า @ttnphns สรุปเรื่องนี้ได้ดี

4. การเปรียบเทียบแบบคู่

• ฉันคิดว่า @ttnphns สรุปเรื่องนี้ได้ดี