MANOVA và mối tương quan giữa các biến phụ thuộc: mức độ mạnh quá mạnh?


11

Các biến phụ thuộc trong MANOVA không được "tương quan quá mạnh". Nhưng làm thế nào một tương quan mạnh mẽ là quá mạnh mẽ? Sẽ rất thú vị khi lấy ý kiến ​​của mọi người về vấn đề này. Chẳng hạn, bạn có tiến hành MANOVA trong các tình huống sau không?

  • Y1 và Y2 tương quan với p < 0,005r=0.3p<0.005

  • Y1 và Y2 tương quan với p = 0,049r=0.7p=0.049

Cập nhật

Một số trích dẫn đại diện để đáp lại @onestop:

  • "MANOVA hoạt động tốt trong các tình huống có mối tương quan vừa phải giữa các DV" (ghi chú khóa học từ San Francisco State Uni)

  • "Các biến phụ thuộc có tương quan phù hợp với Manova" (Primers EPA Stats Primer của Hoa Kỳ)

  • "Các biến phụ thuộc phải liên quan đến khái niệm và chúng phải tương quan với nhau ở mức độ thấp đến trung bình." (Ghi chú khóa học từ Đại học Bắc Arizona)

  • "DV tương quan từ khoảng .3 đến khoảng .7 là đủ điều kiện" (Maxwell 2001, Tạp chí Tâm lý học người tiêu dùng)

nb Tôi không đề cập đến giả định rằng sự giao thoa giữa Y1 và Y2 phải giống nhau trên tất cả các cấp của các biến độc lập, chỉ đơn giản là khu vực màu xám rõ ràng này về cường độ thực tế của sự giao thoa.


1
Ai nói họ không nên "tương quan quá mạnh", tức là nguồn gốc của trích dẫn đó là gì?
vào

9
Đoán một cách hoang dã: Nếu không tương quan, bạn cũng có thể tiến hành các anovas riêng biệt và do đó đơn giản hóa nhiệm vụ của bạn. Nếu tương quan rất cao, bạn cũng có thể tiến hành anova trên chỉ một trong các biến Y vì kết quả sẽ phần lớn giống nhau cho tất cả các biến khác.
rolando2

2
Chỉ cần một lưu ý: lý do tôi không chấp nhận câu trả lời là, như Giáo sư Lee nói, dường như không có một câu trả lời rõ ràng. Vì vậy, sự đóng góp của mọi người là hữu ích.
Freya Harrison

2
Tôi đồng ý với @ rolando2 (và những người khác) rằng trong trường hợp MANOVA có mối tương quan rất cao thì không thêm nhiều vào ANOVA trên một trong các biến (hoặc ví dụ: trung bình của chúng), nhưng vấn đề quan trọng không được nêu trong bất kỳ câu trả lời hiện có nào : tại sao MANOVA sẽ tồi tệ hơn trong tình huống này?
amip nói rằng Phục hồi lại

Câu trả lời:


6

Không có câu trả lời rõ ràng. Ý tưởng là nếu bạn có một mối tương quan tiếp cận 1 thì về cơ bản bạn có một biến và không có nhiều biến. Vì vậy, bạn có thể kiểm tra các giả thuyết r = 1,00. Như đã nói, ý tưởng của MANOVA là cung cấp cho bạn nhiều thứ hơn là một loạt các thử nghiệm ANOVA. Nó giúp bạn tìm mối quan hệ với một thử nghiệm vì bạn có thể giảm lỗi bình phương trung bình khi kết hợp các biến phụ thuộc. Nó sẽ không giúp ích nếu bạn có các biến phụ thuộc tương quan cao.


3

Tôi khuyên bạn nên tiến hành MANOVA bất cứ khi nào bạn so sánh các nhóm trên nhiều DV đã được đo trên mỗi quan sát. Dữ liệu là đa biến và nên sử dụng quy trình MV để mô hình hóa tình huống dữ liệu đã biết. Tôi không tin vào việc quyết định có nên sử dụng nó trên cơ sở tương quan đó hay không. Vì vậy, tôi sẽ sử dụng MANOVA cho một trong những tình huống đó. Tôi khuyên bạn nên đọc các phần có liên quan của bài báo sau đây của Bruce Thompson (ERIC ID ED429110).

ps Tôi tin rằng trích dẫn 'liên quan đến khái niệm' xuất phát từ cuốn sách của Stevens.


2

(0.1r0.23) (0.24r0.36) (r0.37)r0.37

Người giới thiệu

Cohen, J. (1988) Phân tích sức mạnh thống kê cho khoa học hành vi. Tái bản lần 2 Routledge Học thuật, 567 trang.

Cohen, J (1992). Một mồi điện. Bản tin tâm lý 112, 155 Gian159.


0

Khẳng định về những tương quan nên hay không nên sử dụng trong MANOVA về cơ bản là "huyền thoại" (xem Frane, 2015, "Kiểm soát lỗi loại I và loại I để so sánh đơn nhất trong các thiết kế hai nhóm đa biến"). Nhưng tất nhiên, nếu các DV của bạn gần như tương quan hoàn hảo (nghĩa là gần 1 hoặc -1), bạn nên tự hỏi tại sao bạn lại coi chúng là các biến khác nhau ở vị trí đầu tiên.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.