คำถามติดแท็ก repeated-measures

ฉันมีผลการตรวจเลือดที่ให้กับคน 2,500 คนสี่ครั้งในช่วงเวลาหกเดือน ผลลัพธ์ส่วนใหญ่ประกอบด้วยสองมาตรการของการตอบสนองของภูมิคุ้มกัน - หนึ่งในการปรากฏตัวของแอนติเจนวัณโรคบางอย่างหนึ่งในกรณีที่ไม่มี ขณะนี้การทดสอบแต่ละครั้งประเมินว่าเป็นบวกหรือลบตามความแตกต่างระหว่างการตอบสนองของแอนติเจนและการตอบสนองแบบไม่มีศูนย์ (ด้วยแนวคิดที่ว่าถ้าระบบภูมิคุ้มกันของคุณตอบสนองต่อแอนติเจนของวัณโรคคุณอาจมีโอกาสสัมผัสกับแบคทีเรียในบางจุด ) ในสาระสำคัญการทดสอบสมมติว่าการแจกแจงแบบไม่มีการเปิดเผยของแต่ละบุคคลและการตอบสนองของวัณโรคควรเหมือนกันโดยทั่วไปในขณะที่คนที่สัมผัสกับวัณโรคจะได้รับการตอบสนองจากการกระจายวัณโรคที่แตกต่างกัน ข้อแม้: การตอบสนองเป็นอย่างมากไม่ธรรมดามากและให้คุณค่าเป็นก้อนที่พื้นธรรมชาติและเพดานที่ถูกตัดทอน อย่างไรก็ตามดูเหมือนว่าจะค่อนข้างชัดเจนในการตั้งค่าระยะยาวนี้ว่าเราได้รับ "ผลบวกปลอม" (ไม่มีมาตรฐานทองคำจริงสำหรับวัณโรคแฝงฉันกลัว) ที่เกิดจากความผันผวนของแอนติเจนและไม่มีการตอบสนอง แม้ว่านี่อาจเป็นเรื่องยากที่จะหลีกเลี่ยงในบางสถานการณ์ (คุณอาจมีโอกาสเพียงครั้งเดียวในการทดสอบใครบางคน) แต่ก็มีหลายสถานการณ์ที่ผู้คนได้รับการทดสอบวัณโรคเป็นประจำทุกปีหรือมากกว่านั้น - ในสหรัฐอเมริกา ทหารคนไร้ที่อยู่อาศัยที่พักพิงและอื่น ๆ ดูเหมือนว่าเป็นเรื่องน่าละอายที่จะเพิกเฉยต่อผลการทดสอบก่อนหน้านี้ ฉันคิดว่าสิ่งที่ฉันต้องการจะทำคือสิ่งที่ฉันคิดว่าเป็นการวิเคราะห์ส่วนผสมตามยาว เช่นเดียวกับเกณฑ์ตัดขวางฉันต้องการประเมินความน่าจะเป็นที่การตอบสนองวัณโรคและศูนย์ของแต่ละบุคคลมาจากการแจกแจงแบบเดียวกัน - แต่การประมาณนั้นรวมเอาผลการทดสอบก่อนหน้ารวมทั้งข้อมูลจากตัวอย่างเป็น ภาพรวมทั้งหมด (เช่นฉันสามารถใช้การกระจายแบบกว้างของความแปรปรวนภายในบุคคลเพื่อปรับปรุงการประมาณการของฉันเกี่ยวกับการกระจายตัวของศูนย์หรือวัณโรคที่เฉพาะเจาะจงของแต่ละบุคคลได้หรือไม่) แน่นอนว่าความน่าจะเป็นโดยประมาณนั้นจะต้องสามารถเปลี่ยนแปลงได้ตลอดเวลาเพื่อพิจารณาความเป็นไปได้ของการติดเชื้อใหม่ ฉันบิดตัวเองโดยสิ้นเชิงเมื่อพยายามคิดเกี่ยวกับสิ่งนี้ในรูปแบบที่ผิดปกติ แต่ฉันรู้สึกว่าแนวคิดนี้ดีพอ ๆ กับที่ฉันจะเกิดขึ้น หากบางสิ่งไม่สมเหตุสมผลโปรดขอคำชี้แจง หากความเข้าใจของฉันเกี่ยวกับสถานการณ์ดูเหมือนจะผิดโปรดบอกฉัน ขอบคุณมากสำหรับความช่วยเหลือของคุณ. ในการตอบสนองต่อ Srikant: เป็นกรณีของการจำแนกประเภทแฝง (ติดเชื้อวัณโรคหรือไม่) โดยใช้ผลการทดสอบสองอย่างต่อเนื่อง (แต่ไม่ใช่แบบปกติและแบบตัดปลาย) ตอนนี้การจัดหมวดหมู่นั้นทำได้โดยใช้ cutoff (ในรูปแบบที่เรียบง่าย TB - nil> …

10 repeated-measures 

ฉันมีชุดข้อมูลที่มี ~ 7,500 การตรวจเลือดจาก ~ 2,500 คน ฉันกำลังพยายามหาว่าความแปรปรวนในการตรวจเลือดเพิ่มขึ้นหรือลดลงตามระยะเวลาระหว่างการทดสอบสองครั้งหรือไม่ ตัวอย่างเช่น - ฉันวาดเลือดของคุณสำหรับการทดสอบพื้นฐานแล้ววาดตัวอย่างที่สองทันที หกเดือนต่อมาฉันวาดอีกตัวอย่าง หนึ่งอาจคาดว่าความแตกต่างระหว่างพื้นฐานและการทดสอบซ้ำทันทีจะมีขนาดเล็กกว่าความแตกต่างระหว่างพื้นฐานและการทดสอบหกเดือน แต่ละจุดบนพล็อตด้านล่างสะท้อนความแตกต่างระหว่างการทดสอบสองครั้ง X คือจำนวนวันระหว่างการทดสอบสองครั้ง Y คือขนาดของความแตกต่างระหว่างการทดสอบทั้งสอง อย่างที่คุณเห็นการทดสอบไม่ได้กระจายไปตาม X อย่างสม่ำเสมอ - การศึกษาไม่ได้ออกแบบมาเพื่อตอบคำถามนี้ เนื่องจากคะแนนมีการซ้อนกันอย่างมากในค่าเฉลี่ยฉันจึงได้รวมสายควอไทล์ 95% (สีน้ำเงิน) และ 99% (แดง) ตามหน้าต่าง 28 วัน เห็นได้ชัดว่าสิ่งเหล่านี้ได้รับการดึงออกมาจากจุดที่รุนแรงกว่า แต่คุณก็เข้าใจ ข้อความ ALT http://a.imageshack.us/img175/6595/diffsbydays.png ฉันคิดว่าความแปรปรวนค่อนข้างคงที่ หากมีสิ่งใดสูงกว่าเมื่อการทดสอบซ้ำภายในระยะเวลาอันสั้น ฉันจะจัดการเรื่องนี้ด้วยวิธีที่เป็นระบบบัญชีสำหรับการเปลี่ยนแปลง n ในแต่ละช่วงเวลาได้อย่างไร (และบางช่วงที่ไม่มีการทดสอบเลย) ความคิดของคุณได้รับการชื่นชมอย่างมาก เพื่อการอ้างอิงนี่คือการกระจายจำนวนวันระหว่างการทดสอบและการทดสอบซ้ำ: ข้อความ ALT http://a.imageshack.us/img697/6572/testsateachtimepoint.png

10 repeated-measures  variability 

บริบท ฉันพยายามที่จะเข้าใจว่า Rox coxph () ยอมรับและจัดการรายการซ้ำ ๆ สำหรับวิชา (หรือผู้ป่วย / ลูกค้าถ้าคุณต้องการ) บางคนเรียกรูปแบบยาวนี้บางคนเรียกว่า 'มาตรการซ้ำ' ดูตัวอย่างชุดข้อมูลที่มีคอลัมน์ ID ในส่วนคำตอบที่: แพ็คเกจที่ดีที่สุดสำหรับรุ่น Cox ที่แปรเปลี่ยนตามเวลา ยังถือว่าโควาเรียตมีการเปลี่ยนแปลงตลอดเวลาและมีตัวแปรเซ็นเซอร์หนึ่งตัว (เช่นเหตุการณ์) ซึ่งเป็นไบนารี คำถาม 1) ในคำตอบของลิงก์ด้านบนหาก ID ไม่ได้รับเป็นพารามิเตอร์ในการเรียกไปยัง coxph () ผลลัพธ์ควรเหมือนกับการรวม cluster (ID) เป็นพารามิเตอร์ใน coxph () หรือไม่? ฉันพยายามค้นหาเอกสาร แต่ดูเหมือนว่าจะไม่ได้ระบุที่อยู่อย่างชัดเจน (1): https://stat.ethz.ch/pipermail/r-help//2013-July/357466.html 2) ถ้าคำตอบของ (1) คือ 'ไม่' ดังนั้น (ทางคณิตศาสตร์) ทำไม? ดูเหมือนว่าคลัสเตอร์ () …

10 r  repeated-measures  survival  cox-model  frailty 

ฉันกำลังพยายามปรับโมเดลที่ไม่ต่อเนื่องใน R แต่ฉันไม่แน่ใจว่าจะทำอย่างไร ฉันได้อ่านแล้วว่าคุณสามารถจัดระเบียบตัวแปรตามในแถวต่างกันหนึ่งตัวสำหรับแต่ละการสังเกตเวลาและการใช้glmฟังก์ชั่นที่มีลิงค์ logit หรือ cloglog ในแง่นี้ฉันมีสามคอลัมน์: ID, Event(1 หรือ 0 ในแต่ละช่วงเวลา) และTime Elapsed(ตั้งแต่จุดเริ่มต้นของการสังเกต) รวมทั้ง covariates อื่น ๆ ฉันจะเขียนรหัสเพื่อให้พอดีกับรุ่นได้อย่างไร ตัวแปรตามคืออะไร ฉันเดาว่าฉันสามารถใช้Eventเป็นตัวแปรตามและรวมTime Elapsedอยู่ใน covariates แต่สิ่งที่เกิดขึ้นกับID? ฉันต้องการมันไหม ขอบคุณ

10 r  survival  pca  sas  matlab  neural-networks  r  logistic  spatial  spatial-interaction-model  r  time-series  econometrics  var  statistical-significance  t-test  cross-validation  sample-size  r  regression  optimization  least-squares  constrained-regression  nonparametric  ordinal-data  wilcoxon-signed-rank  references  neural-networks  jags  bugs  hierarchical-bayesian  gaussian-mixture  r  regression  svm  predictive-models  libsvm  scikit-learn  probability  self-study  stata  sample-size  spss  wilcoxon-mann-whitney  survey  ordinal-data  likert  group-differences  r  regression  anova  mathematical-statistics  normal-distribution  random-generation  truncation  repeated-measures  variance  variability  distributions  random-generation  uniform  regression  r  generalized-linear-model  goodness-of-fit  data-visualization  r  time-series  arima  autoregressive  confidence-interval  r  time-series  arima  autocorrelation  seasonality  hypothesis-testing  bayesian  frequentist  uninformative-prior  correlation  matlab  cross-correlation 

ฉันกำลังมีปัญหากับการกำหนดเงื่อนไขข้อผิดพลาดสำหรับการวัด ANOVA แบบสองทางซ้ำ ๆ ในอาร์ข้อมูลของฉันประกอบด้วยการประเมินความหนาแน่นของไม้สำหรับตำแหน่งรัศมีสามตำแหน่ง (ด้านในกลางและด้านนอก) ตามแกนกลางที่สกัดจากต้นไม้ มีต้นไม้ทั้งหมด 20 ชนิด 6 บุคคลในแต่ละเผ่าพันธุ์และสองแกนจากต้นไม้แต่ละต้น ในการทดสอบผลกระทบของตำแหน่งรัศมีต่อความหนาแน่นของไม้ฉันใช้ ANOVA แบบสองทางต่อไปนี้พร้อมกับข้อความแสดงข้อผิดพลาดที่อธิบายถึงความแปรปรวนระหว่างบุคคล: radpos.aov <- aov(WD ~ Species*Radialposition + Error(Individual), data=Radpos) อย่างไรก็ตามฉันไม่แน่ใจว่าข้อกำหนดคุณสมบัติของข้อผิดพลาดเพียงพอหรือไม่ ฉันควรที่จะคำนึงถึงความแปรปรวนภายในคอร์ด้วยหรือไม่? สำหรับฉันความแปรปรวนนี้เป็นแบบเดียวกันเนื่องจากตำแหน่งในแนวรัศมีซึ่งเป็นปัจจัยหลักที่ฉันสนใจ แม้ว่าฉันจะทุ่มเทเวลาในการอ่านเกี่ยวกับการระบุคำผิดในมาตรการ ANOVA ซ้ำหลายครั้งฉันยังคงมีปัญหากับการระบุคำผิดพลาดจริง ฉันจะขอบคุณความช่วยเหลือเกี่ยวกับเรื่องนี้

10 r  anova  repeated-measures 

นี่เป็นเพียงตัวอย่างที่ฉันเจอหลายครั้งดังนั้นฉันจึงไม่มีข้อมูลตัวอย่าง ใช้แบบจำลองการถดถอยเชิงเส้นใน R: a.lm = lm(Y ~ x1 + x2) x1เป็นตัวแปรต่อเนื่อง x2เป็นหมวดหมู่และมีสามค่าเช่น "ต่ำ", "ปานกลาง" และ "สูง" อย่างไรก็ตามเอาต์พุตที่กำหนดโดย R จะเป็นดังนี้: summary(a.lm) Estimate Std. Error t value Pr(>|t|) (Intercept) 0.521 0.20 1.446 0.19 x1 -0.61 0.11 1.451 0.17 x2Low -0.78 0.22 -2.34 0.005 x2Medium -0.56 0.45 -2.34 0.005 ฉันเข้าใจว่า R แนะนำการเข้ารหัสแบบหลอกบางอย่างเกี่ยวกับปัจจัยดังกล่าว ( …

10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 

ขณะนี้ฉันกำลังเถียงกับใครบางคนเกี่ยวกับวิธีการปฏิบัติต่อข้อมูลอย่างถูกต้องด้วยการวัดที่หลากหลายสำหรับแต่ละเรื่อง ในกรณีนี้ข้อมูลจะถูกรวบรวมสำหรับแต่ละเรื่องภายในเวลาอันสั้นสำหรับเงื่อนไขที่แตกต่างกันในแต่ละเรื่อง การวัดทั้งหมดรวบรวมตัวแปรเดียวกันอย่างแน่นอนเพียงหลายค่า ทางเลือกหนึ่งในขณะนี้คือการจัดกลุ่มข้อมูลตามเงื่อนไขและไม่สนใจว่าจุดข้อมูลหลายจุดมาจากเรื่องเดียว อย่างไรก็ตามจุดข้อมูลจากแต่ละเรื่องอาจไม่เป็นอิสระอย่างสมบูรณ์ อีกทางเลือกหนึ่งคือการใช้ค่าเฉลี่ยของการวัดทั้งหมดสำหรับแต่ละเงื่อนไขจากแต่ละเรื่องแล้วเปรียบเทียบค่าเฉลี่ย อย่างไรก็ตามสิ่งนี้อาจส่งผลกระทบต่อความสำคัญเนื่องจากในการวิเคราะห์ขั้นสุดท้ายไม่ได้นำมาพิจารณาว่าหมายถึงมีข้อผิดพลาดน้อยลง คุณจะวิเคราะห์ข้อมูลดังกล่าวได้อย่างถูกต้องอย่างไร? สิ่งนี้ได้รับการดูแลใน SPSS หรือไม่? โดยหลักการแล้วมันควรจะเป็นไปได้ที่จะคำนวณระยะขอบข้อผิดพลาดเมื่อทำการคำนวณค่าเฉลี่ยและมากกว่าการพิจารณาในการวิเคราะห์ขั้นสุดท้าย แต่ฉันไม่คิดว่า SPSS กำลังทำการคำนวณนี้อยู่ด้านหลังของฉัน

10 spss  repeated-measures 

Intro ฉันมีผู้เข้าร่วมที่สัมผัสพื้นผิวที่ปนเปื้อนด้วยเชื้ออีโคไลในสองเงื่อนไข ( A = สวมถุงมือB = ไม่มีถุงมือ) ฉันต้องการทราบว่ามีความแตกต่างระหว่างปริมาณของแบคทีเรียที่ปลายนิ้วของพวกเขาด้วยและไม่ต้องใส่ถุงมือ แต่ยังรวมถึงจำนวนผู้ติดต่อด้วย ปัจจัยทั้งสองนี้มีส่วนร่วมภายใน วิธีการทดลอง: ผู้เข้าร่วม (n = 35) แตะที่ช่องสี่เหลี่ยมหนึ่งครั้งด้วยนิ้วเดียวกันสำหรับผู้ติดต่อได้สูงสุด 8 ราย (ดูรูปที่ a) จากนั้นฉันกวาดนิ้วของผู้เข้าร่วมและวัดแบคทีเรียที่ปลายนิ้วหลังจากการสัมผัสแต่ละครั้ง จากนั้นใช้นิ้วใหม่เพื่อสัมผัสจำนวนพื้นผิวที่แตกต่างกันและจาก 1 ถึง 8 รายชื่อ (ดูรูป b) นี่คือข้อมูลจริง : ข้อมูลจริง ข้อมูลไม่ปกติดังนั้นดูการกระจายของแบคทีเรียที่ขอบ | NumberContacts ด้านล่าง x = แบคทีเรีย แต่ละด้านคือจำนวนผู้ติดต่อที่แตกต่างกัน MODEL ลองจากlme4 :: glmerตามคำแนะนำของอะมีบาโดยใช้ Gamma (link = "log") และพหุนามสำหรับ NumberContacts: …

9 r  anova  repeated-measures  lme4-nlme  glmm 

ฉันมีชุดข้อมูลจากแบบสำรวจลูกค้าฉันต้องการปรับใช้การทดสอบทางสถิติเพื่อดูว่ามีความแตกต่างอย่างมีนัยสำคัญระหว่างผลิตภัณฑ์ 1 และผลิตภัณฑ์ 2 หรือไม่ นี่คือชุดข้อมูลของความคิดเห็นของลูกค้า อัตรานี้แย่มากแย่มากโอเคดีถึงดีมาก customer product1 product2 1 very good very bad 2 good bad 3 okay bad 4 very good okay 5 bad very good 6 okay good 7 bad okay 8 very good very bad 9 good good 10 good very good 11 okay okay …

9 statistical-significance  categorical-data  repeated-measures  ordinal-data 

สมมติว่าฉันมีตัวอย่างหนึ่งความถี่ของเหตุการณ์ที่เป็นไปได้ 4 เหตุการณ์: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 และฉันมีโอกาสที่จะเกิดเหตุการณ์ที่คาดหวัง: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 ด้วยผลรวมของความถี่ที่สังเกตได้จากเหตุการณ์ทั้งสี่ของฉัน (18) ฉันสามารถคำนวณความถี่ที่คาดหวังของเหตุการณ์ได้ใช่ไหม expectedE1 - 18 * 0.2 = 3.6 expectedE2 - 18 * 0.1 = 1.8 expectedE1 - 18 * 0.1 …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

ฉันมีชุดข้อมูลที่ค่อนข้างซับซ้อนในการวิเคราะห์และฉันไม่สามารถหาวิธีแก้ปัญหาที่ดีได้ นี่คือสิ่งที่: 1.ข้อมูลดิบเป็นแมลงบันทึกเพลงเป็นหลัก เพลงแต่ละเพลงทำจากระเบิดหลายครั้งและแต่ละเพลงทำจากชุดย่อย บุคคลทั้งหมดได้รับการบันทึกเป็นเวลา 5 นาที จำนวนระเบิดและตำแหน่งในการบันทึกอาจแตกต่างกันมากระหว่างบุคคลเช่นเดียวกับจำนวนหน่วยย่อยต่อการระเบิด 2.ฉันมีความถี่ผู้ให้บริการ (ความถี่พื้นฐาน) ของแต่ละหน่วยย่อยและนั่นคือสิ่งที่ฉันต้องการวิเคราะห์ ปัญหาของฉัน: 1.ความถี่ภายในการระเบิดไม่ชัดเจน (แม้ว่าจะค่อนข้างเสถียร แต่ความถี่ของหน่วยย่อย n-1 จะมีผลกับหน่วยย่อย n) 2.การระเบิดยังไม่ขึ้นอยู่กับการบันทึก 3.พวกเขามีความอิสระน้อยลงเมื่อความถี่ลดลงตามเวลา (แต่ละคนเบื่อที่จะร้องเพลงดังนั้นความถี่ของเพลงจึงลดลงและลดลง) หยดดูเหมือนจะเป็นเส้นตรง 4. การทำรัง = ฉันมีประชากรซ้ำกัน 3 แห่งสำหรับสองแห่งคือ A และ B ดังนั้นฉันจึงมี A1, A2, A3 และ B1, B2, B3 สิ่งที่ฉันต้องการจะทำ: 1.อธิบายความแตกต่างของความถี่ระหว่างสถานที่สองแห่งของฉัน (ทดสอบทางสถิติ) 2.ระบุความถี่ที่ลดลงระหว่างสองตำแหน่ง (ดูว่ามันลดลงเร็วกว่าหนึ่งในนั้นหรือไม่) ทำอย่างไร: นั่นคือเหตุผลที่ฉันต้องการความช่วยเหลือ: ฉันไม่รู้ ดูเหมือนว่ากรณีของฉันรวมปัญหาที่มักไม่เห็นด้วยกัน ฉันได้อ่านเกี่ยวกับโมเดลผสม, เกี่ยวกับ …

9 time-series  mixed-model  repeated-measures  random-effects-model 

@whuber ได้สาธิตวิธีจำลองผลลัพธ์หลายตัวแปร ( ,และy_3 ) ในครั้งเดียวy1y1y_1y2y2y_2y3y3y_3 ดังที่เราทราบข้อมูลระยะยาวมักเกิดขึ้นในการศึกษาทางการแพทย์ คำถามของฉันคือวิธีการจำลองการวัดผลซ้ำหลายตัวแปรใน R หรือไม่? ตัวอย่างเช่นเราวัดy1y1y_1 , y2y2y_2และy3y3y_3ๆ กันที่จุดเวลา 5 จุดสำหรับกลุ่มการรักษาที่แตกต่างกันสองกลุ่ม

9 r  repeated-measures  simulation 

ANOVA แบบ "แยกส่วน" ที่มีสองปัจจัยเหมือนกับ ANOVA แบบสองทางที่มีการวัดซ้ำในปัจจัยเดียวหรือไม่ ถ้าไม่ความแตกต่างคืออะไร?

9 anova  repeated-measures  experiment-design  split-plot 

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: ฉันจะตรวจสอบความเป็นมาตรฐานของตัวแปรแต่ละตัวของฉันทีละตัวหรือรวมกันในแต่ละระดับของ IV หรือไม่? หากอยู่ในชุดค่าผสมฉันจะตรวจสอบได้อย่างไร ฉันจะตรวจสอบการทดสอบของ Mauchly ก่อนหรือไม่ หากมีการละเมิดหมายความว่าอย่างไร หากไม่ละเมิดหมายความว่าอย่างไร เมื่อไรที่จะดูตารางการทดสอบหลายตัวแปรหรือการทดสอบเอฟเฟกต์ในหัวข้อต่างๆ ฉันไม่แน่ใจว่าเมื่อใดที่เหมาะสมที่จะใช้ (หรือทั้งคู่?) มันจะโอเคที่จะดูการเปรียบเทียบแบบเป็นคู่เสมอหรือไม่? ดูเหมือนว่าใช้ง่ายหากมีผลหลายตัวแปรหรือในหัวข้อไม่ได้บ่งบอกความสำคัญ (เช่น …

9 anova  spss  repeated-measures  assumptions 

มันทำให้ฉันรู้สึกว่าการแก้ไขที่มีอยู่สำหรับการเปรียบเทียบหลายครั้งในบริบทของมาตรการ ANOVA ซ้ำ ๆ นั้นเป็นเรื่องที่อนุรักษ์เกินไป เป็นกรณีนี้จริงหรือ ถ้าเป็นเช่นนั้นฉันจะใช้การอ้างอิงอะไรบ้างเพื่อสนับสนุนประเด็นนี้และเรียนรู้เพิ่มเติม

9 anova  repeated-measures  multiple-comparisons