Понимание предположений ANOVA для повторных измерений для правильной интерпретации результатов SPSS

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

Вы получили несколько хороших ответов здесь. Если кто-то из них помог вам, пожалуйста, подумайте о принятии одного из них. Это то, что заставляет людей отвечать на вопросы :)

ThomasH

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.

ttnphns
источник

Поскольку проверка межфакторного коэффициента здесь эквивалентна одностороннему анализу ANOVA со средними значениями на одного человека по сравнению с внутрифакторным, эти средние значения должны быть нормальными и иметь идентичные теоретические отклонения, а не исходные данные. Для проверки внутреннего фактора необходимо предположить многомерную нормальность векторов данных на человека. Конечно, если это так, то их среднее значение также является нормальным.

Каракал

Правильно ли я вас понял, что если мы интересуемся только межсубъектным эффектом, DV не должны делать многомерное нормальное облако, это просто их средняя переменная, которая должна быть нормальной. Если мы проявляем интерес к внутрисубъектному эффекту, DV должны сделать многомерное нормальное облако.

ttnphns

\to

$\rightarrow$

\to

$\rightarrow$

@ttnphns Я видел множество ссылок, утверждающих, что нормальность должна быть внутри фактора внутри субъекта , а не между. Фактор внутри субъекта здесь является условием вознаграждения. Вот две ссылки, где это указано: stat.cmu.edu/~hseltman/309/Book/chapter14.pdf (стр. 11); google.com/… (стр. 4)

мег

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.

UCLA имеет пример вывода SPSS с интерпретацией смешанного ANOVA 2 на 3 вместе с несколькими другими примерами.
Энди Филд о повторных измерениях ANOVA

1. Проверка нормальности

С практической точки зрения, тесты нормальности часто используются для обоснования преобразований. Если вы применяете преобразование, то вам необходимо применить одно и то же преобразование ко всем ячейкам проекта.
Распространенный способ оценки нормальности с использованием SPSS - это настройка вашей модели и сохранение остатков, а затем проверка распределения остатков.

2. Значение критерия Мочли

Обычная стратегия состоит в том, чтобы посмотреть на тест Мочли и, если он является статистически значимым, интерпретировать либо одномерные исправленные тесты, либо многовариантные тесты.

3. Многомерный

Я думаю, что @ttnphns суммировал это хорошо.

4. Парные сравнения

Я думаю, что @ttnphns суммировал это хорошо.

Джером англим
источник

Я бы избегал статьи Field, которая была несколько небрежно составлена и делала хотя бы одну определенную ошибку (ошибкой типа I и типа II).

rolando2