MANOVA와 반복 측정 ANOVA의 차이점은 무엇입니까?

26

일부 요인 (실험 조건)에 대한 반복 측정 ANOVA와 MANOVA의 차이점은 무엇입니까?
특히 내가 발견 한 한 웹 사이트는 MANOVA가 ANOVA가 반복적으로 측정하는 것과 동일한 구 형성을 가정하지 않는다고 제안했다.
- 그렇다면 왜 항상 MANOVA를 사용하지 않습니까?
여러 DV로 반복 측정 분석을 수행하려고하는데 적절한 방법은 무엇입니까?

— 러셀 피어스
소스

2

반복 측정에 대한 다변량 접근법은 각 요인 수준을 별도의 DV로 취급하지 않습니다. 대신 요인 수준 간의 모든 고유 한 차이를 별도의 DV로 처리 한 다음 이러한 DV의 이론적 중심이 0- 벡터라는 가설을 테스트합니다.

수준 이있는 경우 2 이상의 차이가 있고

고유 한 차이가 있습니다 (

다른 요인 수준 포함).

p

$p$

p - 1

$p-1$

p - 1

$p-1$

— caracal

문제의 문구를 제거하기 위해 질문을 편집했지만 귀하의 의견을 완전히 이해하지 못하며 첫 번째 글 머리 기호 질문에 대한 답변으로 명확하게 설명하는 것이 적절한 것으로 보입니다.

— russellpierce

3

Maxwell & Delaney (2004)의 13 장 "데이터 디자인 및 데이터 분석"은 처음 두 개의 글 머리 기호에서 원하는 답을 심층적으로 처리합니다.

— caracal

Andy Blur의 Sphercity to A Bluffer 's Guide에 매우 명확하고 간결한 논의가 있습니다. Thom Baguley 의 구 형성 소개 도 참조하십시오 .

— amoeba는 Reinstate Monica

16

반복 측정 DV가 여러 개인 경우 일 변량 접근법 ( 또는 반복 측정법 센티 엄 스 플리트 또는 분할 플롯 접근법 이라고도 함 ) 또는 다변량 접근법 (또는 MANOVA)을 적용 할 수 있습니다. 일 변량 접근법에서 RM 수준은 하나의 변수 인 평균 수준과의 편차로 처리됩니다. 다변량 접근법에서, RM 수준은 서로 공변량으로 취급됩니다. 일 변량 접근법은 구형도 가정을 요구하지만, 다변량 접근법은 그렇지 않기 때문에, 실제로 더 대중화되고있다. 그러나 더 많은 df를 소비합니다.따라서 더 큰 샘플 크기가 필요합니다. 또한 일 변량 접근법은 혼합 모형으로 일반화되기 때문에 인기를 유지합니다. 구형 가정 (및 기대 이상의 일반적인 화합물 대칭 가정)이 내가 아는 한 두 접근법의 결과가 매우 유사합니다.

— ttnphns
소스

5

$d$ $d$

그 결과 ANOVA와 MANOVA는 다른 대안을 "좋아합니다". 따라서 평균 벡터의 큰 Mahalanobis 길이를 거부하려면 MANOVA를 사용하고 큰 유클리드 길이를 거부하려면 ANOVA를 사용하십시오.

그러나 공분산 행렬이 구형이면 두 기준이 모두 일치하므로이 경우 ANTN 및 MANOVA의 결과도 ttnphns가 지적한 것처럼 (무증상이지만) 일치합니다.

— 호르스트 그 ün 부쉬
소스

4

반복 측정 모델을 선호합니다. 결과를 해석하기가 쉬울뿐만 아니라 공분산 구조를 지정할 수 있다는 점에서 더 유연합니다.

이 참조는 혼합 또는 MANOVA 예제를 통해 작동하므로 유용 할 수 있습니다.

— 글렌
소스

1

"반복 측정 모델"은 혼합 된 모델 (제공 한 링크에서와 같이)을 의미한다고 가정합니다. 여기서 구체적으로 설명하는 것이 중요합니다. 반복 측정 분산 분석을 선호하지 않는 것 (질문에서와 같이), 반복 측정에 혼합 모형을 선호합니다. 블로그 게시물에서 지적했듯이 대부분의 경우 혼합 모델이 선호됩니다.

— wolf.rauch

1

참조에 대한 링크가 변경되었습니다. 이제 여기 에서 찾을 수 있습니다 . 다른 말로, RM ANOVA를 선형 혼합 모델의 특별한 경우로 생각하는 것이 공정하다고 생각합니다.

— gung-Monica Monica 복원

예. 반복 측정 모델은 혼합 모델입니다. SAS 혼합 모델 장을 볼 수 있습니다.

— Glen

2

반복 측정 모델은 혼합 모델의 특수한 경우입니다. 그러나 나는 그것들이 동일하지 않다는 것을 강조하는 것이 매우 중요하다고 생각합니다. SAS의 PROC MIXED는 반복 측정 ANOVA와 눈에 띄게 다른 모델을 구현할 수 있습니다. SAS는 출력 차이에서 이러한 차이를 극복하는 경향이있어 사용자가 혼합 된 모델을 ANOVA 측정을 반복 할 때와 다르게 해석 할 수 있습니다. 나는 여기서주의를 기울여야하며 PROC MIXED 사용자는 자신이하고있는 일을 정확하게 알고 있는지주의해야합니다.

— russellpierce