Memahami asumsi ANOVA ukuran berulang untuk interpretasi yang benar dari output SPSS

Saya sedang menyelidiki apakah kondisi hadiah yang berbeda dapat mempengaruhi kinerja tugas. Saya memiliki data dari studi kecil dengan dua kelompok, masing-masing dengan n = 20. Saya mengumpulkan data pada tugas yang melibatkan kinerja dalam 3 kondisi "hadiah" yang berbeda. Tugas tersebut melibatkan kinerja di masing-masing dari 3 kondisi dua kali tetapi dalam urutan acak. Saya ingin melihat apakah ada perbedaan rata-rata dalam kinerja tugas untuk masing-masing kelompok, dalam setiap kondisi "hadiah" yang berbeda.

IV = Jenis grup
DV = ukuran rata-rata kinerja tugas di 3 kondisi

Saya memiliki output dari ANOVA tindakan berulang dan akses ke data mentah yang diatur dalam SPSS tetapi saya tidak yakin bagaimana untuk melanjutkan. Saya belum dapat menemukan panduan langkah demi langkah untuk interpretasi ini, karena teks Pallant agak terbatas. Masalah khusus saya adalah di bidang berikut:

Apakah saya memeriksa normalitas masing-masing variabel saya secara individual atau dalam kombinasi dari masing-masing tingkat IV? Jika itu dalam kombinasi, bagaimana cara memeriksanya?
Apakah saya harus memeriksa Tes Mauchly terlebih dahulu? Jika dilanggar, apa artinya itu? Jika tidak dilanggar, apa artinya itu?
Kapan boleh melihat tabel tes multivarian, atau tes efek di dalam subjek? Saya tidak yakin kapan waktu yang tepat untuk menggunakan (atau keduanya?)
Apakah selalu baik untuk melihat perbandingan berpasangan? Tampaknya berlawanan dengan intuisi untuk melakukannya jika efek multivariat atau dalam-subyek tidak menunjukkan signifikansi (yaitu P <0,05) tetapi saya sekali lagi tidak yakin.

— Elizabeth pendek
sumber

Anda mendapat respons yang bagus di sini. Jika ada di antara mereka yang membantu Anda, pertimbangkan untuk menerima salah satunya. Itulah yang membuat orang menjawab pertanyaan :)

— ThomasH

Jawaban:

Variabel dependen Anda harus normal di setiap sel desain antar-subjek. Anda memiliki 2 sel: 2 kelompok, jadi normalitas harus di kedua kelompok. Juga, matriks varians-kovarians antara 3 DV Anda harus sama dalam 2 kelompok. Anda dapat memeriksa normalitas dengan uji Shapiro-Wilk atau Kolmogorov-Smirnov (dengan koreksi Lilliefors) dalam prosedur EXPLORE. Homogenitas varians-kovarians dapat diuji dengan uji M Box (ditemukan dalam analisis Diskriminan). Namun perlu dicatat bahwa ANOVA cukup kuat untuk pelanggaran terhadap kedua asumsi tersebut.
Tes Mauchly memeriksa apa yang disebut asumsi sphericity yang diperlukan untuk pendekatan univariat untuk tindakan berulang ANOVA. Asumsi ini mensyaratkan bahwa, secara umum, perbedaan antara DV yang diukur berulang tidak saling berhubungan. Jika asumsi tersebut dilanggar, Anda harus mengabaikan "Sperisitas yang diasumsikan" dalam tabel Tes Efek Dalam Subjek - terdapat beberapa koreksi (seperti Greenhouse-Geisser) sebagai gantinya.
Sementara tabel Pengujian Efek Dalam Subjek mencerminkan "pendekatan univariat" di RM-ANOVA, tabel Pengujian Multivarian mencerminkan "pendekatan multivarian". Keduanya bermanfaat dan ada sedikit perdebatan yang "lebih baik". Baca sedikit di sini tentang mereka, sedikit lagi di sini .
Biasanya seseorang tidak akan memeriksa tes berpasangan jika efek keseluruhannya tidak signifikan, itu tidak masuk akal.

— ttnphns
sumber

Karena pengujian antara faktor-faktor di sini setara dengan ANOVA satu arah dengan rata-rata per orang di atas faktor dalam, rata-rata ini harus normal dan memiliki varian teoretis yang identik - bukan data asli. Untuk menguji faktor dalam, seseorang perlu mengasumsikan normalitas multivariat dari vektor data per orang. Tentu saja, jika ini masalahnya, maka rata-rata mereka juga normal.

— caracal

Apakah saya mengerti Anda benar, bahwa jika kita hanya tertarik pada efek antar-subjek, DV tidak perlu membuat cloud normal mutivariat, hanya variabel rata-rata yang seharusnya normal. Jika kita tertarik pada efek dalam-subjek, DV harus membuat cloud normal yang mutivariat.

— ttnphns

\to

$\rightarrow$

\to

$\rightarrow$

@ttnphns Saya telah melihat beberapa referensi menyatakan bahwa normalitas harus dalam faktor -subyek , bukan antara-. Faktor dalam-subyek di sini adalah kondisi penghargaan. Berikut adalah dua referensi yang menyatakan hal ini: stat.cmu.edu/~hseltman/309/Book/chapter14.pdf (hal 11); google.com/… (hal 4)

— Meg

Sumber Umum tentang menafsirkan tindakan berulang ANOVA dengan SPSS

Kedengarannya seperti Anda membutuhkan sumber daya umum yang lebih baik tentang tindakan berulang ANOVA. Berikut adalah beberapa sumber daya web, tetapi secara umum pencarian "SPSS mengulangi langkah-langkah ANOVA" akan menghasilkan banyak opsi yang bermanfaat.

UCLA memiliki contoh keluaran SPSS dengan interpretasi oleh ANOVA campuran 2 per 3 bersama dengan beberapa contoh lainnya.
Andy Field melakukan tindakan berulang ANOVA

1. Memeriksa normalitas

Dari perspektif praktis, tes normalitas sering digunakan untuk menjustifikasi transformasi. Jika Anda menerapkan transformasi, maka Anda perlu menerapkan transformasi yang sama untuk semua sel desain.
Cara umum untuk menilai normalitas menggunakan SPSS adalah dengan mengatur model Anda dan menyimpan residu dan kemudian memeriksa distribusi residu.

2. Nilai ujian Mauchly

Strategi yang umum adalah dengan melihat tes Mauchly dan jika signifikan secara statistik, interpretasikan tes terkoreksi univariat atau tes multivariat.

3. Multivarian

Saya pikir @ttnphns telah menyimpulkan ini dengan baik.

4. Perbandingan berpasangan

Saya pikir @ttnphns telah menyimpulkan ini dengan baik.

— Jeromy Anglim
sumber

Saya akan menghindari artikel Field, yang telah agak sembarangan disatukan dan membuat setidaknya satu kesalahan yang pasti (salah Tipe I dan Tipe II).

— rolando2