Hiểu các giả định ANOVA đo lặp lại để giải thích chính xác đầu ra SPSS

Tôi đang điều tra xem các điều kiện khen thưởng khác nhau có thể ảnh hưởng đến hiệu suất nhiệm vụ. Tôi có dữ liệu từ một nghiên cứu nhỏ với hai nhóm, mỗi nhóm có n = 20. Tôi đã thu thập dữ liệu về một nhiệm vụ liên quan đến hiệu suất trong 3 điều kiện "phần thưởng" khác nhau. Nhiệm vụ liên quan đến hiệu suất trong mỗi 3 điều kiện hai lần nhưng theo thứ tự ngẫu nhiên. Tôi muốn xem liệu có sự khác biệt trung bình trong hiệu suất nhiệm vụ cho mỗi nhóm hay không, trong mỗi điều kiện "phần thưởng" khác nhau.

• IV = Loại nhóm
• DV = số đo trung bình của hiệu suất công việc trong 3 điều kiện

Tôi có đầu ra từ một số đo lặp lại ANOVA và truy cập vào tập dữ liệu thô trong SPSS nhưng không chắc chắn cách tiến hành. Tôi chưa thể tìm thấy hướng dẫn từng bước cho cách giải thích này, vì văn bản Pallant có phần hạn chế. Các vấn đề cụ thể của tôi là trong các lĩnh vực sau:

1. Tôi có kiểm tra tính quy phạm của từng biến riêng lẻ hoặc trong các kết hợp của từng cấp IV không? Nếu nó trong các kết hợp, làm thế nào để tôi kiểm tra điều đó?
2. Tôi có kiểm tra Mauchly's Test trước không? Nếu nó bị vi phạm, điều đó có nghĩa là gì? Nếu nó không bị vi phạm, điều đó có nghĩa là gì?
3. Khi nào thì có thể xem xét các bảng thử nghiệm đa biến hoặc các thử nghiệm về hiệu ứng bên trong đối tượng? Tôi không chắc chắn khi nào thì thích hợp để sử dụng một trong hai (hoặc cả hai?)?
4. Có phải luôn luôn ổn khi nhìn vào các so sánh cặp? Có vẻ như không trực quan để làm như vậy nếu các hiệu ứng đa biến hoặc bên trong đối tượng không biểu thị ý nghĩa (ví dụ P <0,05) nhưng tôi lại không chắc chắn.

1. Các biến phụ thuộc của bạn phải bình thường trong mỗi ô của thiết kế giữa các chủ đề. Bạn có 2 ô như vậy: 2 nhóm, vì vậy tính quy tắc phải nằm trong cả hai nhóm. Ngoài ra, ma trận phương sai hiệp phương sai giữa 3 DV của bạn phải giống nhau trong 2 nhóm. Bạn có thể kiểm tra tính quy phạm bằng thử nghiệm Shapiro-Wilk hoặc thử nghiệm Kolmogorov-Smirnov (với hiệu chỉnh Lilliefors) trong quy trình EXPLORE. Tính đồng nhất phương sai - hiệp phương sai có thể được kiểm tra bằng phép thử M của Box (tìm thấy trong phân tích phân biệt). Tuy nhiên, lưu ý rằng ANOVA khá mạnh mẽ khi vi phạm cả hai giả định.

2. Thử nghiệm của Mauchly kiểm tra cái gọi là giả định hình cầu cần thiết cho phương pháp tiếp cận đơn phương đối với các biện pháp lặp lại ANOVA. Giả định này yêu cầu rằng, đại khái, sự khác biệt giữa các DV đo lặp đi lặp lại của bạn không tương hợp. Nếu giả định bị vi phạm, bạn nên bỏ qua "Giả định về tính độc hại" trong bảng Thử nghiệm hiệu ứng bên trong chủ đề - thay vào đó đã tìm thấy một số hiệu chỉnh (như Gree Gree-Geisser).

3. Trong khi bảng Thử nghiệm hiệu ứng bên trong đối tượng phản ánh "cách tiếp cận đơn biến" trong RM-ANOVA, bảng Thử nghiệm đa biến phản ánh "cách tiếp cận đa biến". Cả hai đều hữu ích và có một cuộc tranh luận nhỏ là "tốt hơn". Đọc một chút ở đây về họ, một chút nữa ở đây .

4. Thông thường, người ta sẽ không kiểm tra các bài kiểm tra theo cặp nếu hiệu quả tổng thể là không đáng kể, nó có rất ít ý nghĩa.

Tài nguyên chung về diễn giải các biện pháp lặp lại ANOVA với SPSS

Có vẻ như bạn cần một nguồn tài nguyên chung tốt hơn về các biện pháp lặp lại ANOVA. Dưới đây là một vài tài nguyên web, nhưng nói chung, việc tìm kiếm "các biện pháp lặp lại SPSS ANOVA" sẽ mang lại nhiều tùy chọn hữu ích.

• UCLA có một ví dụ về đầu ra SPSS với sự diễn giải bằng ANOVA hỗn hợp 2 nhân 3 cùng với một số ví dụ khác.
• Andy Field về các biện pháp lặp đi lặp lại ANOVA

1. Kiểm tra tính quy phạm

• Từ góc độ thực tế, các bài kiểm tra về tính quy phạm thường được sử dụng để biện minh cho các phép biến đổi. Nếu bạn áp dụng một phép biến đổi, thì bạn cần áp dụng phép biến đổi tương tự cho tất cả các ô của thiết kế.
• Một cách phổ biến để đánh giá tính quy phạm bằng SPSS là thiết lập mô hình của bạn và lưu phần dư và sau đó kiểm tra phân phối phần dư.

2. Giá trị của bài kiểm tra Mauchly

• Một chiến lược chung là xem xét thử nghiệm của Mauchly và nếu nó có ý nghĩa thống kê, hãy giải thích các thử nghiệm được sửa chữa đơn biến hoặc các thử nghiệm đa biến.

3. Đa biến

• Tôi nghĩ rằng @ttnphns đã tóm tắt điều này tốt.

4. So sánh theo cặp

• Tôi nghĩ rằng @ttnphns đã tóm tắt điều này tốt.