Я исследую, могут ли различные условия вознаграждения влиять на выполнение задачи. У меня есть данные из небольшого исследования с двумя группами, каждая с n = 20. Я собрал данные о задании, которое включало выполнение в 3 разных «наградовых» условиях. Задача включала выполнение в каждом из 3 условий дважды, но в случайном порядке. Я хочу видеть, есть ли средняя разница в выполнении задач для каждой группы, в каждом из различных условий «вознаграждения».
- IV = тип группы
- DV = средняя мера выполнения задачи в 3 условиях
У меня есть выход из ANOVA с повторными измерениями и доступ к необработанным данным в SPSS, но я не уверен, что делать дальше. Я не смог найти пошаговое руководство для этой интерпретации, так как текст Pallant несколько ограничен. Мои конкретные проблемы в следующих областях:
- Проверяю ли я нормальность каждой из моих переменных индивидуально или в комбинациях каждого из уровней IV? Если это в комбинациях, как я могу это проверить?
- Должен ли я проверить тест Мочли первым? Если это нарушено, что это значит? Если это не нарушено, что это значит?
- Когда можно взглянуть на таблицы многовариантных тестов или тесты эффектов внутри субъекта? Я не уверен, когда это целесообразно использовать либо (или оба?)?
- Всегда ли нормально смотреть на парные сравнения? Это кажется нелогичным, если многовариантные или внутри-субъектные эффекты не указывают на значимость (т. Е. P <0,05), но я опять не уверен.
anova
spss
repeated-measures
assumptions
Короткая Элизабет
источник
источник
Ответы:
Ваши зависимые переменные должны быть нормальными в каждой ячейке дизайна между субъектами. У вас есть 2 такие ячейки: 2 группы, поэтому нормальность должна быть в обеих группах. Кроме того, матрица дисперсии-ковариации между вашими 3 DV должна быть одинаковой в 2 группах. Вы можете проверить нормальность с помощью теста Шапиро-Уилка или теста Колмогорова-Смирнова (с коррекцией Лилифорса) в процедуре EXPLORE. Дисперсионно-ковариационная однородность может быть проверена с помощью теста Бокса М (найден в Дискриминантном анализе). Однако обратите внимание, что ANOVA достаточно устойчив к нарушениям обоих допущений.
Тест Моучли проверяет так называемое допущение сферичности, которое необходимо для однофакторного подхода к повторным измерениям ANOVA. Это предположение требует, чтобы, грубо говоря, различия между вашими DV с повторными измерениями не коррелировали. Если допущение нарушено, вы должны игнорировать «предполагаемую Spericity» в таблице «Тесты внутрисубъектных эффектов» - вместо этого были найдены некоторые исправления (такие как Greenhouse-Geisser).
В то время как таблица «Тесты внутрисубъектных эффектов» отражает «одномерный подход» в RM-ANOVA, таблица «Многомерные тесты» отражает «многомерный подход». Эти два полезны, и есть небольшая дискуссия, которая "лучше". Прочитайте немного здесь о них, немного больше здесь .
Обычно не нужно проверять парные тесты, если общий эффект незначителен, у него мало смысла.
источник
Общий ресурс по интерпретации повторных измерений ANOVA с помощью SPSS
Похоже, вам нужен лучший общий ресурс по повторным измерениям ANOVA. Вот несколько веб-ресурсов, но в целом поиск «повторных измерений SPSS ANOVA» даст много полезных опций.
1. Проверка нормальности
2. Значение критерия Мочли
3. Многомерный
4. Парные сравнения
источник