Sự khác nhau giữa MANOVA và các biện pháp lặp lại ANOVA?

26

Sự khác biệt giữa một số đo lặp lại ANOVA so với một số yếu tố (nói điều kiện thí nghiệm) và MANOVA là gì?
Cụ thể, một trang web mà tôi tình cờ thấy rằng MANOVA không đưa ra giả định tương tự về tính hình cầu mà các biện pháp lặp lại ANOVA làm, điều đó có đúng không?
- Nếu vậy, tại sao một người không chỉ luôn luôn sử dụng MANOVA?
Tôi đang cố gắng thực hiện một biện pháp lặp lại ANOVA với nhiều DV, cách tiếp cận phù hợp là gì?

— russellpierce
nguồn

2

Cách tiếp cận đa biến đối với các biện pháp lặp đi lặp lại không coi mỗi cấp độ yếu tố là một DV riêng biệt. Thay vào đó, nó xử lý tất cả các khác biệt duy nhất giữa các cấp độ yếu tố như các DV riêng biệt và sau đó kiểm tra giả thuyết rằng trọng tâm lý thuyết của các DV này là vectơ 0. Nếu có các mức

, có p trên 2 khác biệt và

khác biệt duy nhất (liên quan đến

cấp yếu tố khác nhau).

p

$p$

p - 1

$p-1$

p - 1

$p-1$

— caracal

Tôi đã chỉnh sửa câu hỏi để xóa cụm từ vi phạm, nhưng tôi không chắc là tôi hiểu hoàn toàn bình luận của bạn và có vẻ như đó là một điểm có liên quan để làm rõ ràng như một câu trả lời cho câu hỏi đầu tiên.

— russellpierce

3

Chương 13 của Maxwell & Delaney (2004) "Thiết kế thí nghiệm và phân tích dữ liệu" cung cấp một cách xử lý chuyên sâu về chính xác các câu trả lời bạn đang tìm kiếm trong hai điểm đầu tiên của bạn.

— caracal

Một cuộc thảo luận rất rõ ràng và súc tích được đưa ra trong Hướng dẫn của A Bluff về ... Tính toàn cầu của Andy Field. Xem thêm Giới thiệu về tính hình cầu của Thom Baguley.

— amip nói rằng Phục hồi lại

16

Có nhiều biện pháp lặp đi lặp lại-DVS người ta có thể áp dụng một cách tiếp cận đơn biến (còn gọi là biện pháp lặp đi lặp lại sensu stricto hoặc tách âm mưu tiếp cận) hoặc cách tiếp cận đa biến (hoặc MANOVA). Theo cách tiếp cận đơn biến, các mức RM được coi là độ lệch so với một biến, mức trung bình của chúng. Theo cách tiếp cận đa biến, các mức RM được coi là hiệp phương sai của nhau. Cách tiếp cận đơn biến đòi hỏi giả định tính toàn cầu trong khi cách tiếp cận đa biến thì không, và vì điều này nó thực sự trở nên phổ biến hơn. Tuy nhiên, nó dành nhiều df hơnvà do đó cần cỡ mẫu lớn hơn. Ngoài ra, cách tiếp cận đơn biến vẫn giữ được sự phổ biến của nó bởi vì nó khái quát cho các mô hình Hỗn hợp. Khi giả định về mặt hình cầu (và ngoài mong đợi, giả định đối xứng hỗn hợp tổng quát cũng vậy) giữ kết quả bởi cả hai phương pháp đều rất giống nhau, theo như tôi biết.

— ttnphns
nguồn

5

$d$ $d$

Hậu quả là ANOVA và MANOVA "ủng hộ" các lựa chọn thay thế khác nhau. Vì vậy, sử dụng MANOVA nếu bạn muốn từ chối độ dài Mahalanobis lớn của vectơ trung bình trong khi sử dụng ANOVA nếu bạn muốn từ chối độ dài Euclide tuyệt vời.

Nhưng nếu ma trận hiệp phương sai là hình cầu, cả hai tiêu chí đều trùng khớp, do đó, trong trường hợp này, kết quả của ANOVA và MANOVA cũng trùng khớp (mặc dù chỉ là không có triệu chứng) như ttnphns đã chỉ ra.

— Horst Grünbusch
nguồn

4

Tôi thích một mô hình biện pháp lặp đi lặp lại. Không chỉ dễ dàng hơn để giải thích kết quả, nó linh hoạt hơn ở chỗ bạn có thể chỉ định cấu trúc hiệp phương sai.

Tham chiếu này có thể được sử dụng vì nó hoạt động thông qua một ví dụ: Hỗn hợp hoặc MANOVA

— Glen
nguồn

1

Tôi cho rằng bằng "mô hình đo lặp lại", bạn có nghĩa là một mô hình hỗn hợp (như trong liên kết bạn cung cấp). Điều thực sự quan trọng là phải cụ thể ở đây: Bạn dường như KHÔNG thích các biện pháp lặp lại ANOVA (như trong câu hỏi), bạn thích các mô hình hỗn hợp cho các biện pháp lặp đi lặp lại. Và như đã chỉ ra trong bài đăng trên blog, các mô hình hỗn hợp thực sự được ưa thích hơn trong hầu hết các trường hợp.

— sói.rauch

1

Liên kết đến tài liệu tham khảo đã thay đổi; bây giờ nó có thể được tìm thấy ở đây . Ở một khía cạnh khác, tôi nghĩ thật công bằng khi nghĩ về RM ANOVA như một trường hợp đặc biệt của các mô hình hỗn hợp tuyến tính.

— gung - Phục hồi Monica

Có một mô hình biện pháp lặp đi lặp lại là một mô hình hỗn hợp. Người ta có thể xem chương trong SAS cho Mô hình hỗn hợp.

— Glen

2

Một mô hình đo lặp lại là một trường hợp đặc biệt của mô hình hỗn hợp. Nhưng, tôi nghĩ rất quan trọng để nhấn mạnh rằng chúng không giống nhau. PROC MIXED trong SAS có thể thực hiện các mô hình khác biệt đáng kể so với các biện pháp lặp lại ANOVA. SAS có xu hướng che giấu những khác biệt trong sản phẩm hàng đầu của họ để giải thích các mô hình hỗn hợp không khác gì so với các biện pháp lặp lại ANOVA. Tôi chỉ tập trung vào đây để nói rằng cần thận trọng và người dùng PROC MIXED nên cẩn thận để chắc chắn rằng họ biết chính xác những gì họ đang làm.

— russellpierce