Bài kiểm tra hoc trong ANOVA thiết kế hỗn hợp 2x3 bằng SPSS?

Tôi có hai nhóm 10 người tham gia được đánh giá ba lần trong một thử nghiệm. Để kiểm tra sự khác biệt giữa các nhóm và trong ba đánh giá, tôi đã chạy ANOVA thiết kế hỗn hợp 2x3 với group(kiểm soát, thử nghiệm), time(thứ nhất, thứ hai, ba) và group x time. Cả hai timevà groupkết quả có ý nghĩa, bên cạnh đó là một sự tương tác đáng kể group x time.

Tôi không biết rõ làm thế nào để tiến hành kiểm tra thêm về sự khác biệt giữa ba lần đánh giá, cũng liên quan đến tư cách thành viên nhóm. Trên thực tế, lúc đầu tôi chỉ xác định trong các tùy chọn của ANOVA để so sánh tất cả các hiệu ứng chính, sử dụng hiệu chỉnh Bonferroni. Tuy nhiên, sau đó tôi nhận ra rằng theo cách này, họ đã so sánh sự khác biệt về thời gian của tổng mẫu, không có sự phân biệt nhóm, phải không?

Do đó, tôi đã tìm kiếm rất nhiều trên internet để tìm một giải pháp khả thi, nhưng với kết quả khan hiếm. Tôi chỉ tìm thấy 2 trường hợp tương tự như của tôi, nhưng giải pháp của họ là ngược lại!

1. Trong một bài viết, sau khi thiết kế hỗn hợp, các tác giả đã thực hiện 2 biện pháp lặp lại ANOVA như là một bài hậu đại học, một cho mỗi nhóm đối tượng. Bằng cách này, hai nhóm được phân tích riêng mà không có sự điều chỉnh nào, tôi có đúng không?
2. Trong một hướng dẫn trên internet, họ nói sẽ thêm thủ công theo cú pháp SPSS COMPARE(time) ADJ(BONFERRONI), ngay sau đó /EMMEANS=TABLES(newgroup*time), trong khi chạy ANOVA hỗn hợp. Bằng cách này, ba lần được so sánh riêng cho từng nhóm, với sự điều chỉnh Bonferroni, tôi có đúng không?

Bạn nghĩ sao? Đó sẽ là cách chính xác để tiến hành?

Trả lời chỉnh sửa để thực hiện nhận xét khích lệ và mang tính xây dựng của @Ferdi

Tôi muốn:

1. cung cấp một câu trả lời với một kịch bản chứa đầy đủ
2. đề cập đến người ta cũng có thể kiểm tra độ tương phản tùy chỉnh chung hơn bằng cách sử dụng lệnh / TEST
3. lập luận rằng điều này là cần thiết trong một số trường hợp (ví dụ: sự kết hợp EMMEANS COMPARE là không đủ)

Tôi giả sử có một cơ sở dữ liệu với các cột: depV, Group, F1, F2. Tôi triển khai ANOVA thiết kế hỗn hợp 2x2x2 trong đó depV là biến phụ thuộc, F1 và F2 nằm trong các yếu tố chủ thể và Nhóm là một yếu tố giữa các chủ thể. Tôi cũng cho rằng thử nghiệm F đã tiết lộ rằng Nhóm tương tác * F2 rất có ý nghĩa. Do đó, tôi cần sử dụng các bài kiểm tra bài hoc để hiểu những gì thúc đẩy sự tương tác.

MIXED depV BY Group F1 F2 
  /FIXED=Group F1 F2 Group*F1 Group*F2 F1*F2 Group*F1*F2 |  SSTYPE(3) 
  /METHOD=REML 
  /RANDOM=INTERCEPT | SUBJECT(Subject) COVTYPE(VC) 
  /EMMEANS=TABLES(Group*F2) COMPARE(Group) ADJ(Bonferroni)
  /TEST(0) = 'depV(F2=1)-depV(F2=0) differs between groups' 
    Group*F2 1/4 -1/4 -1/4 1/4 
    Group*F1*F2 1/8 -1/8 1/8 -1/8 -1/8 1/8 -1/8 1/8 
  /TEST(0) = 'depV(Group1, F2=1)-depV(Group2, F2=1)' Group 1 -1
    Group*F1 1/2 1/2 -1/2 -1/2 
    Group*F2 1 0 -1 0  
    Group*F1*F2 1/2 0 1/2 0 -1/2 0 -1/2 0 .

Cụ thể, thử nghiệm t thứ hai tương ứng với thử nghiệm được thực hiện bởi lệnh EMMEANS. So sánh EMMEANS có thể tiết lộ ví dụ rằng depV lớn hơn trong Nhóm 1 với điều kiện F2 = 1.

Tuy nhiên, sự tương tác cũng có thể được điều khiển bởi một thứ khác, được xác minh bằng thử nghiệm đầu tiên: sự khác biệt depV (F2 = 1) -depV (F2 = 0) khác nhau giữa các nhóm và đây là sự tương phản mà bạn không thể xác minh bằng lệnh EMMEANS (ít nhất tôi đã không tìm thấy một cách dễ dàng).

Bây giờ, trong các mô hình có nhiều yếu tố, hơi khó để viết xuống dòng / TEST, chuỗi 1/2, 1/4, được gọi là ma trận L. Thông thường nếu bạn nhận được thông báo lỗi: "ma trận L không thể ước tính được", bạn đang quên một số yếu tố. Một liên kết giải thích về hóa đơn này là: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/

Tôi không biết rõ cú pháp SPSS, nhưng, nếu tôi hiểu chính xác tình huống của bạn, sự tương tác đáng kể có nghĩa là, để đánh giá đầy đủ tầm quan trọng của các hiệu ứng chính của bạn, bạn sẽ cần phải phân tích riêng. Tôi nghĩ cách tốt nhất để tiến hành là phân tích các biện pháp lặp lại riêng biệt cho từng cấp độ trong yếu tố nhóm của bạn. Có lẽ ai đó khác có thể nói tốt hơn cho câu hỏi về cách xử lý sửa lỗi cho nhiều so sánh trong quá trình phân tích hậu hoc, nhưng tôi khá chắc chắn rằng bạn vẫn cần sử dụng một sự điều chỉnh. Bạn có thể thử Tukey, như một sự điều chỉnh so sánh nhiều!

Nói ngắn gọn. Không có quy ước được chấp nhận trên toàn cầu cho những tình huống này. Một số sẽ sử dụng Bonferroni chỉnh sửa. Một số người sẽ buộc khung Tukey HSD nhảy cho họ (ví dụ Maxwell & Delaney). Ngược lại...

COMPARE(time) ADJ(BONFERRONI)", just after "/EMMEANS=TABLES(newgroup*time)

... dường như không sử dụng hiệu chỉnh Bonferroni. Tuy nhiên, cách tiếp cận này có vẻ bảo thủ, đặc biệt là khi đối mặt với sự điều chỉnh theo phong cách Holm-Sidak. (ĐẶC BIỆT nếu bạn không sử dụng MSW làm thuật ngữ lỗi cho các so sánh sau hoc của bạn).