Post hoc test dalam ANOVA desain campuran 2x3 menggunakan SPSS?

Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group(kontrol, eksperimental), time(pertama, kedua, tiga), dan group x time. Keduanya timedan grouphasilnya signifikan, selain itu ada interaksi yang signifikan group x time.

Saya tidak tahu bagaimana melanjutkan untuk memeriksa lebih lanjut perbedaan antara tiga kali penilaian, juga tentang keanggotaan kelompok. Bahkan, pada awalnya saya hanya menentukan dalam opsi ANOVA untuk membandingkan semua efek utama, menggunakan koreksi Bonferroni. Namun, kemudian saya menyadari bahwa dengan cara ini mereka membandingkan perbedaan waktu sampel total, tanpa perbedaan kelompok, apakah saya benar?

Karena itu, saya mencari banyak di internet untuk menemukan solusi yang mungkin, tetapi dengan hasil yang langka. Saya hanya menemukan 2 case yang mirip dengan milik saya, tetapi solusi mereka berlawanan!

Dalam sebuah artikel, setelah desain campuran, penulis menjalankan 2 langkah ANOVA berulang sebagai post-hoc, satu untuk setiap kelompok subjek. Dengan cara ini, kedua kelompok dianalisis secara terpisah tanpa koreksi, benarkan?
Dalam panduan di internet, mereka mengatakan menambahkan secara manual dalam sintaks SPSS COMPARE(time) ADJ(BONFERRONI), tepat setelahnya /EMMEANS=TABLES(newgroup*time), saat menjalankan ANOVA campuran. Dengan cara ini, tiga kali dibandingkan secara terpisah untuk masing-masing kelompok, dengan koreksi Bonferroni, apakah saya benar?

Bagaimana menurut anda? Mana yang akan menjadi cara yang benar untuk melanjutkan?

anova mixed-model spss post-hoc bonferroni time-series unevenly-spaced-time-series classification normal-distribution discriminant-analysis probability normal-distribution estimation sampling classification svm terminology pivot-table random-generation self-study estimation sampling estimation categorical-data maximum-likelihood excel least-squares instrumental-variables 2sls total-least-squares correlation self-study variance unbiased-estimator bayesian mixed-model ancova statistical-significance references p-value fishers-exact probability monte-carlo particle-filter logistic predictive-models modeling interaction survey hypothesis-testing multiple-regression regression variance data-transformation residuals minitab r time-series forecasting arima garch correlation estimation least-squares bias pca predictive-models genetics sem partial-least-squares nonparametric ordinal-data wilcoxon-mann-whitney bonferroni wilcoxon-signed-rank traminer regression econometrics standard-error robust misspecification r probability logistic generalized-linear-model r-squared effect-size gee ordered-logit bayesian classification svm kernel-trick nonlinear bayesian pca dimensionality-reduction eigenvalues probability distributions mathematical-statistics estimation nonparametric kernel-smoothing expected-value filter mse time-series correlation data-visualization clustering estimation predictive-models recommender-system sparse hypothesis-testing data-transformation parametric probability summations correlation pearson-r spearman-rho bayesian replicability dimensionality-reduction discriminant-analysis outliers weka

— Federico
sumber

stats.stackexchange.com/questions/575/…

— russellpierce

Teks master Winer (1962) tentang statistik. menyediakan rumus untuk istilah kesalahan yang akan digunakan dalam perbandingan post hoc mengikuti berbagai jenis ANOVA, termasuk yang ini.

Hai @StuartMcKelvie, bisakah Anda memberikan lebih banyak detail? Seperti berdiri, jawaban Anda hampir tidak dapat digunakan oleh OP atau pengunjung masa depan. (Plus, Anda tidak memberikan referensi untuk Winer [1962], dan karena sudah sangat tua, mungkin tidak mudah ditemukan.)

— Patrick Coulombe

Saya menemukan bab gratis ini dari IBM SPSS Statistics (18 & 19): Workbook psychtestingonline.com/PDFDownloader.aspx?pdf=3 Ini persis tentang kasus Anda

— sviter

Saya mengalami masalah yang sama persis. Apakah Anda memutuskan metode tertentu pada akhirnya? Terima kasih.

— Laoise Ní Chléirigh

Jawaban:

Jawaban diedit untuk menerapkan komentar yang membesarkan hati dan konstruktif oleh @Ferdi

Aku ingin:

berikan jawaban dengan skrip lengkap
menyebutkan satu juga dapat menguji kontras kustom yang lebih umum menggunakan perintah / TEST
berpendapat bahwa ini perlu dalam beberapa kasus (yaitu kombinasi EMMEANS COMPARE tidak cukup)

Saya berasumsi memiliki database dengan kolom: depV, Group, F1, F2. Saya menerapkan ANOVA desain campuran 2x2x2 di mana depV adalah variabel dependen, F1 dan F2 berada dalam faktor subjek dan Grup adalah antara faktor subjek. Saya lebih lanjut menganggap uji F telah mengungkapkan bahwa interaksi Grup * F2 adalah signifikan. Karena itu saya perlu menggunakan post-test hoc untuk memahami apa yang mendorong interaksi.

MIXED depV BY Group F1 F2 
  /FIXED=Group F1 F2 Group*F1 Group*F2 F1*F2 Group*F1*F2 |  SSTYPE(3) 
  /METHOD=REML 
  /RANDOM=INTERCEPT | SUBJECT(Subject) COVTYPE(VC) 
  /EMMEANS=TABLES(Group*F2) COMPARE(Group) ADJ(Bonferroni)
  /TEST(0) = 'depV(F2=1)-depV(F2=0) differs between groups' 
    Group*F2 1/4 -1/4 -1/4 1/4 
    Group*F1*F2 1/8 -1/8 1/8 -1/8 -1/8 1/8 -1/8 1/8 
  /TEST(0) = 'depV(Group1, F2=1)-depV(Group2, F2=1)' Group 1 -1
    Group*F1 1/2 1/2 -1/2 -1/2 
    Group*F2 1 0 -1 0  
    Group*F1*F2 1/2 0 1/2 0 -1/2 0 -1/2 0 .

Secara khusus t-test kedua sesuai dengan yang dilakukan oleh perintah EMMEANS. Perbandingan EMMEANS dapat mengungkapkan misalnya bahwa depV lebih besar di Grup 1 pada kondisi F2 = 1.

Namun interaksi juga dapat didorong oleh sesuatu yang lain, yang diverifikasi oleh tes pertama: perbedaan depV (F2 = 1) -depV (F2 = 0) berbeda antara kelompok, dan ini adalah perbedaan yang tidak dapat Anda verifikasi dengan perintah EMMEANS (setidaknya saya tidak menemukan cara yang mudah).

Sekarang, dalam model dengan banyak faktor agak sulit untuk menuliskan garis / TEST, urutan 1/2, 1/4 dll, yang disebut matriks L. Biasanya jika Anda mendapatkan pesan kesalahan: "matriks L tidak dapat diperkirakan", Anda lupa beberapa elemen. Satu tautan yang menjelaskan tanda terima adalah tautan ini: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/

— fabiob
sumber

Sungguh jawaban yang bagus. Anda dapat membuatnya lebih baik jika 1. meringkas konten tautan Anda dan 2. menjelaskan apa yang Anda lakukan secara statistik

— Ferdi

Saya tidak terlalu mengenal sintaks SPSS, tetapi, jika saya memahami situasi Anda dengan benar, interaksi yang signifikan berarti bahwa, untuk menilai secara memadai signifikansi efek utama Anda, Anda harus melakukan analisis terpisah. Saya pikir cara terbaik untuk melanjutkan adalah melakukan analisis pengukuran berulang yang terpisah untuk setiap level dalam faktor pengelompokan Anda. Mungkin orang lain dapat berbicara lebih baik untuk pertanyaan tentang bagaimana menangani koreksi untuk beberapa perbandingan selama analisis post-hoc, tapi saya cukup yakin Anda masih perlu menggunakan koreksi. Anda dapat mencoba Tukey's, sebagai koreksi perbandingan berganda!

— Kyle.
sumber

Terima kasih atas jawaban Anda. Jika saya mengerti dengan benar, Anda menyarankan solusi 1), untuk melakukan dua tindakan ANOVA yang diulang terpisah, satu untuk setiap kelompok, dengan waktu sebagai variabel independen dalam subjek (3 level) dan kemudian, jika signifikan, bandingkan efek utama dengan koreksi Tukey (atau Bonferroni, kurasa, tidak apa-apa?). Sudahkah saya mengerti dengan benar?

— Federico

Dalam hal ini, menggunakan SPSS saya memilih "Data / Split file ..." dan memasukkan variabel pengelompokan. Apakah ini benar? Dengan cara ini, saya menemukan ANOVA yang sedikit signifikan (p = 0,044) untuk kelompok kontrol, tetapi Bonferroni (tidak memungkinkan saya untuk melakukan Tukey) perbandingan semua tidak signifikan ... Bagaimana seharusnya menjelaskan ini? Apakah hasil ANOVA kesalahan tipe I?

— Federico

Pendeknya. Tidak ada konvensi yang diterima secara global untuk situasi ini. Beberapa akan menggunakan koreksi Bonferroni. Beberapa akan memaksa kerangka Tukey HSD untuk menari untuk mereka (mis. Maxwell & Delaney). Sebaliknya...

COMPARE(time) ADJ(BONFERRONI)", just after "/EMMEANS=TABLES(newgroup*time)

... tampaknya menggunakan koreksi Bonferroni. Namun, pendekatan ini cenderung konservatif, terutama dalam menghadapi koreksi gaya Holm-Sidak. (TERUTAMA jika Anda tidak menggunakan MSW sebagai istilah kesalahan untuk perbandingan post-hoc Anda).

— russellpierce
sumber