Null giả thuyết của một chiều ANOVA là phương tiện của tất cả các nhóm đều bình đẳng: H 0 : μ 1 = μ 2 = . . . = μ k . Giả thuyết null H 0 của MANOVA một chiều là phương tiện [đa biến] của tất cả các nhóm đều bằng nhau:Điều này tương đương với việc nói rằng các phương tiện là bằng nhau cho mỗi biến trả lời, tức là tùy chọn đầu tiên của bạn là chính xác .H0
H0:μ1=μ2=...=μk.
H0H0:μ1=μ2=...=μk.
Trong cả hai trường hợp, giả thuyết thay thế là sự phủ định của null. Trong cả hai trường hợp, các giả định là (a) phân phối trong nhóm Gaussian và (b) phương sai bằng nhau (đối với ANOVA) / ma trận hiệp phương sai (đối với MANOVA) giữa các nhóm.H1
Sự khác biệt giữa MANOVA và ANOVAs
Điều này có vẻ hơi khó hiểu: giả thuyết null của MANOVA hoàn toàn giống với sự kết hợp của các giả thuyết null cho một bộ sưu tập ANOVAs đơn biến, nhưng đồng thời chúng ta biết rằng làm MANOVA không tương đương với việc thực hiện ANOVAs đơn lẻ và sau đó bằng cách nào đó " kết hợp "kết quả (người ta có thể đưa ra nhiều cách kết hợp khác nhau). Tại sao không?
Câu trả lời là việc chạy tất cả các ANOVAs đơn biến, mặc dù sẽ kiểm tra giả thuyết null giống nhau, sẽ có ít năng lượng hơn. Xem câu trả lời của tôi ở đây để minh họa: Làm thế nào MANOVA có thể báo cáo một sự khác biệt đáng kể khi không có bất kỳ ANOVAs nào không đạt được tầm quan trọng? Phương pháp "kết hợp" ngây thơ (từ chối null toàn cầu nếu ít nhất một ANOVA từ chối null) cũng sẽ dẫn đến lạm phát rất lớn về tỷ lệ lỗi loại I; nhưng ngay cả khi người ta chọn một cách "kết hợp" thông minh nào đó để duy trì tỷ lệ lỗi chính xác, người ta sẽ mất quyền lực.
Cách kiểm tra hoạt động
ANOVA phân hủy các tổng bình phương vào giữa nhóm sum-of-ô vuông và trong nhóm sum-of-ô vuông , do đó . Sau đó nó sẽ tính toán tỷ lệ . Theo giả thuyết khống, tỷ lệ này phải nhỏ (khoảng ); người ta có thể tìm ra sự phân phối chính xác của tỷ lệ này dự kiến theo giả thuyết null (nó sẽ phụ thuộc vào và vào số lượng nhóm). So sánh giá trị quan sát với phân phối này mang lại giá trị p.B W T = B + W B / W 1 n B / WTBWT=B+WB/W1nB/W
MANOVA phân hủy tổng phân tán ma trận vào giữa nhóm phân tán ma trận và trong nhóm phân tán ma trận , do đó . Sau đó nó sẽ tính toán ma trận . Theo giả thuyết khống, ma trận này phải là "nhỏ" (khoảng ); nhưng làm thế nào để định lượng nó "nhỏ" như thế nào? MANOVA xem xét giá trị riêng của ma trận này (tất cả đều dương). Một lần nữa, theo giả thuyết khống, các giá trị riêng này phải là "nhỏ" (tất cả khoảngB W T = B + W W - 1 B I λ i 1 Σ λ i max { λ i }TBWT=B+WW−1BIλi1). Nhưng để tính giá trị p, chúng ta cần một số (được gọi là "thống kê") để có thể so sánh nó với phân phối dự kiến của nó dưới giá trị null. Có một số cách để làm điều đó: lấy tổng của tất cả các giá trị riêng ; lấy giá trị riêng tối đa , v.v. Trong mỗi trường hợp, con số này được so sánh với phân phối của đại lượng này dự kiến dưới giá trị p, dẫn đến giá trị p.∑λimax{λi}
Các lựa chọn khác nhau của thống kê kiểm tra dẫn đến các giá trị p hơi khác nhau, nhưng điều quan trọng là phải nhận ra rằng trong mỗi trường hợp, cùng một giả thuyết null đang được thử nghiệm.