Perbedaan antara MANOVA dan Tindakan Berulang ANOVA?


26
  • Apa perbedaan antara ANOVA tindakan berulang atas beberapa faktor (katakanlah kondisi eksperimental) dan MANOVA?
  • Khususnya pada satu situs web yang saya temukan menyarankan bahwa MANOVA tidak membuat asumsi yang sama tentang kebulatan yang diulangi oleh tindakan ANOVA, apakah itu benar?
    • Jika demikian, mengapa seseorang tidak selalu menggunakan MANOVA?
  • Saya mencoba melakukan ANOVA tindakan berulang dengan beberapa DV, apa pendekatan yang tepat?

2
Pendekatan multivariat untuk tindakan yang diulang tidak memperlakukan setiap tingkat faktor sebagai DV yang terpisah. Alih-alih, ia memperlakukan semua perbedaan unik antara tingkat faktor sebagai DV yang terpisah dan kemudian menguji hipotesis bahwa centroid teoretis dari DV ini adalah vektor-0. Jika ada level , ada perbedaan p lebih dari 2, dan perbedaan unik p - 1 (melibatkan p - 1 tingkat faktor yang berbeda). pp1p1
caracal

Saya telah mengedit pertanyaan untuk menghapus frasa yang menyinggung, tetapi saya tidak yakin saya sepenuhnya memahami komentar Anda, dan sepertinya itu adalah poin yang relevan untuk menjelaskan sebagai jawaban untuk pertanyaan poin-poin pertama.
russellpierce

3
Bab 13 dari Maxwell & Delaney (2004) "Merancang Eksperimen dan Menganalisis Data" memberikan perlakuan mendalam tentang jawaban yang Anda cari dalam dua poin pertama Anda.
caracal

Diskusi yang sangat jelas dan singkat diberikan dalam Panduan Bluffer's to ... Sphericity oleh Andy Field. Lihat juga Pengantar kebulatan oleh Thom Baguley.
Amuba mengatakan Reinstate Monica

Jawaban:


16

Setelah melakukan beberapa pengukuran berulang DV, seseorang dapat menerapkan pendekatan univariat (juga disebut Tindakan Berulang sensu stricto atau pendekatan split-plot) atau pendekatan multivariat (atau MANOVA). Dalam pendekatan univariat, level RM diperlakukan sebagai penyimpangan dari satu variabel, level rata-rata mereka. Dalam pendekatan multivariat, level RM diperlakukan sebagai kovariat satu sama lain. Pendekatan univariat memerlukan asumsi kebulatan sedangkan pendekatan multivariat tidak, dan karena itu memang menjadi lebih populer. Namun, menghabiskan lebih dfdan karenanya membutuhkan ukuran sampel yang lebih besar. Selain itu, pendekatan univariat mempertahankan popularitasnya karena digeneralisasi ke model Mixed. Ketika asumsi kebulatan (dan di luar dugaan, asumsi simetri majemuk yang lebih umum juga) menghasilkan hasil dari kedua pendekatan tersebut sangat mirip, sejauh yang saya tahu.


5

dd

Konsekuensinya adalah bahwa ANOVA dan MANOVA "mendukung" berbagai alternatif. Jadi gunakan MANOVA jika Anda ingin menolak panjang Mahalanobis besar dari vektor rata-rata sambil menggunakan ANOVA jika Anda ingin menolak panjang Euclidean yang hebat.

Tetapi jika matriks kovarians berbentuk bulat, kedua kriteria tersebut bersesuaian, sehingga dalam hal ini hasil dari ANOVA dan MANOVA juga sesuai (meskipun hanya asimtotik) seperti yang ditunjukkan oleh ttnphns.


4

Saya lebih suka model tindakan berulang. Tidak hanya lebih mudah untuk menginterpretasikan hasil, tetapi lebih fleksibel karena Anda dapat menentukan struktur kovarian.

Referensi ini dapat digunakan karena berfungsi melalui contoh: Campuran atau MANOVA


1
Saya kira dengan "model tindakan berulang" yang Anda maksud adalah model campuran (seperti pada tautan yang Anda berikan). Sangat penting untuk menjadi spesifik di sini: Anda tampaknya TIDAK lebih suka tindakan berulang ANOVA (seperti dalam pertanyaan), Anda lebih suka model campuran untuk tindakan berulang. Dan seperti yang ditunjukkan dalam posting blog, model campuran benar-benar lebih disukai dalam banyak kasus.
wolf.rauch

1
Tautan ke referensi telah berubah; sekarang dapat ditemukan di sini . Pada catatan yang berbeda, saya pikir adil untuk menganggap RM ANOVA sebagai kasus khusus model campuran linier.
gung - Reinstate Monica

Ya model tindakan berulang adalah model campuran. Orang dapat melihat bab dalam SAS untuk Model Campuran.
Glen

2
Model tindakan berulang adalah kasus khusus model campuran. Tapi, saya pikir sangat penting untuk menekankan bahwa mereka tidak sama. PROC CAMPURAN dalam SAS dapat mengimplementasikan model yang terasa berbeda dari tindakan ANOVA yang diulang. SAS cenderung mengabaikan perbedaan-perbedaan ini dalam output mereka yang mengarahkan pengguna untuk menafsirkan model campuran tidak berbeda dari mereka akan mengulangi langkah-langkah ANOVA. Saya hanya berdentang di sini untuk mengatakan bahwa kehati-hatian diperlukan dan pengguna PROC MIXED harus berhati-hati untuk memastikan mereka tahu persis apa yang mereka lakukan.
russellpierce
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.