Kutner ve ark. ANOVA modellerinin normallik varsayımından ayrılma ile ilgili olarak şunları ifade eder: Hata dağılımının basıklığı (normal bir dağılımdan daha fazla veya daha az zirve) çıkarımlar üzerindeki etkiler açısından dağılımın çarpıklığından daha önemlidir .
Bu ifadeden biraz şaşkınım ve kitapta veya çevrimiçi olarak ilgili herhangi bir bilgi bulmayı başaramadım. Kafam karıştı, çünkü ağır kuyruklu QQ parsellerinin normallik varsayımının lineer regresyon modelleri için "yeterince iyi" olduğunun bir göstergesi olduğunu öğrendim, oysa çarpık QQ parselleri daha fazla endişe kaynağı (yani bir dönüşüm uygun olabilir) .
ANOVA için aynı akıl yürütmenin geçerli olduğu ve kelime seçiminin ( çıkarımlar üzerindeki etkiler açısından daha önemli ) doğru seçilmediğinden emin miyim? Çarpık bir dağılımın daha ciddi sonuçları vardır ve bundan kaçınılmalıdır, ancak az miktarda basıklık kabul edilebilir.
EDIT: rolando2 tarafından adresse gibi, her durumda birinin diğerinden daha önemli olduğunu belirtmek zor, ama ben sadece bazı genel içgörü arıyorum. Benim asıl meselem, basit doğrusal regresyonda, daha ağır kuyruklu (= basıklık?) QQ-parsellerinin iyi olduğu, çünkü F-testinin buna karşı oldukça sağlam olduğu öğretildi. Öte yandan, çarpık QQ grafikleri (parabol şeklinde) genellikle daha büyük bir endişe kaynağıdır. Bu, ANOVA modelleri regresyon modellerine dönüştürülebilmesine ve aynı varsayımlara sahip olmalarına rağmen, ders kitabımın ANOVA için sağladığı yönergelere doğrudan benziyor.
Bir şeye bakmadığımdan ya da yanlış bir varsayımdan emindiğime ikna oldum, ama ne olabileceğini anlayamıyorum.