SPSS çıktısının doğru yorumlanması için tekrarlanan ölçüm ANOVA varsayımlarını anlama

Farklı ödül koşullarının görev performansını etkileyip etkilemeyeceğini araştırıyorum. Her biri n = 20 olan iki gruptan oluşan küçük bir çalışmadan verilerim var. 3 farklı "ödül" koşulunda performans içeren bir görevle ilgili veri topladım. Görev, 3 koşulun her birinde iki kez ancak rastgele sırada performans içeriyordu. Farklı "ödül" koşullarının her birinde, her grup için görev performansında ortalama bir fark olup olmadığını görmek istiyorum.

IV = Grup türü
DV = 3 koşulda ortalama görev performansı ölçüsü

Tekrarlanan ölçümler ANOVA çıktı ve SPSS set ham veri erişim var ama nasıl devam emin değilim. Pallant metni biraz sınırlı olduğu için bu yorum için adım adım bir kılavuz bulamadım . Özel sorunlarım aşağıdaki alanlarda:

Değişkenlerimin her birinin normalliğini tek tek mi yoksa IV seviyelerinin her birinin kombinasyonları içinde mi kontrol ediyorum? Kombinasyonlar içindeyse, bunu nasıl kontrol ederim?
Önce Mauchly'nin Testini kontrol edebilir miyim? İhlal edilirse, bu ne anlama geliyor? İhlal edilmezse, bu ne anlama geliyor?
Çok değişkenli test tablolarına veya denekler içindeki etki testlerine bakmak ne zaman uygundur? Ne zaman (ya da her ikisini?) Kullanmanın uygun olduğuna emin değilim?
İkili karşılaştırmalara bakmak her zaman uygun mu? Çok değişkenli veya özne içi etkiler önem göstermiyorsa (yani P <0.05) bunu yapmak mantıksız görünmektedir, ancak yine emin değilim.

— Kısa Elizabeth
kaynak

Burada bazı iyi yanıtlarınız var. Bunlardan herhangi biri size yardımcı olduysa, lütfen birini kabul etmeyi düşünün. İnsanların soruları yanıtlamasını sağlayan şey :)

— ThomasH

Yanıtlar:

Bağımlı değişkenleriniz, özne tasarımının her hücresinde normal olmalıdır. Bu tür 2 hücreniz var: 2 grup, bu nedenle normallik her iki grupta olmalıdır. Ayrıca, 3 DV'niz arasındaki varyans-kovaryans matrisi 2 grupta aynı olmalıdır. Normalliği EXPLORE prosedüründe Shapiro-Wilk testi veya Kolmogorov-Smirnov (Lilliefors düzeltmeli) testi ile kontrol edebilirsiniz. Varyans-kovaryans homojenliği, Box'ın M testi ile test edilebilir (Diskriminant analizinde bulunur). Bununla birlikte, ANOVA'nın her iki varsayımın ihlaline karşı oldukça sağlam olduğunu unutmayın.
Mauchly'nin testi tekrarlanan ölçümler ANOVA'ya tek değişkenli yaklaşım için gerekli olan küresellik varsayımını kontrol eder. Bu varsayım, kabaca söylemek gerekirse, tekrarlanan ölçüm DV'leriniz arasındaki farklılıkların birbiriyle ilişkisini gerektirmez. Varsayım ihlal edilirse, Özneler İçindeki Etkiler Testleri tablosunda "Saygınlık varsayıldı" yı dikkate almamalısınız - bunun yerine bazı düzeltmeler (Greenhouse-Geisser gibi) bulundu.
Özne İçindeki Etkiler Testleri tablosu RM-ANOVA'da "tek değişkenli yaklaşımı" yansıtırken, Çok Değişkenli Testler tablosu "çok değişkenli yaklaşımı" yansıtır. Bu ikisi de yararlı ve "daha iyi" küçük bir tartışma var. Bir az şey Oku burada onlar hakkında daha biraz burada .
Genel etki önemli değilse, genellikle bir çift testi kontrol etmez, çok az anlamı vardır.

— ttnphns
kaynak

Buradaki faktörler arası test, faktör-içi üzerinde kişi başına ortalamaları olan bir on-line ANOVA'ya eşdeğer olduğundan, bu ortalamaların orijinal olması değil, normal olması ve aynı teorik varyanslara sahip olması gerekir. İç faktörün testi için, kişi başına veri vektörlerinin çok değişkenli normalliğini varsaymak gerekir. Tabii ki, eğer durum buysa, ortalamaları da normaldir.

— caracal

Sizi doğru anladım mı, eğer sadece özne arasında bir etki ile ilgilenirsek, DV'lerin çok değişkenli normal bulut yapmaları gerekmiyor, sadece normal olması gereken ortalama değişkenleri. Özne içi etkiye ilgi duyarsak, DV'ler çok değişkenli normal bulut yapmak zorundadır.

— ttnphns

Tam olarak ve tam bölünmüş arsa modelinin testi için daha katı varsayımlar, sadece aradaki faktörün (çok değişkenli normallik) testi için varsayımları ima eder.

\to

$\rightarrow$ kişi başına ortalamaların normalliği, teorik kovaryans matrislerinin eşitliği

\to

$\rightarrow$ kişi başına düşen teorik varyansların eşitliği).

— caracal

@ttnphns Birden fazla başvuru gördüğümde, normalliğin, - içinde değil, özneler içinde olması gerekir . Buradaki özne faktörü ödül şartıdır. İşte bunun belirtildiği iki referans: stat.cmu.edu/~hseltman/309/Book/chapter14.pdf (sayfa 11); google.com/… (sayfa 4)

— Meg

SPSS ile ANOVA'nın Tekrarlanan Ölçümlerin Yorumlanması Hakkında Genel Kaynak

ANOVA'nın tekrarlanan ölçümleri için daha iyi bir genel kaynağa ihtiyacınız olduğu anlaşılıyor. İşte birkaç web kaynağı, ancak genel olarak "SPSS tekrarlanan önlemler ANOVA" araması birçok yararlı seçenek sunacaktır.

UCLA , diğer örneklerle birlikte 2 x 3 karışık ANOVA tarafından yorumlanan bir SPSS çıktı örneğine sahiptir.
Andy Field tekrarlanan önlemler ANOVA hakkında

1. Normallik kontrolü

Pratik bir bakış açısından, dönüşümleri haklı çıkarmak için normallik testleri sıklıkla kullanılır. Bir dönüşüm uygularsanız, aynı dönüşümü tasarımın tüm hücrelerine uygulamanız gerekir.
SPSS kullanarak normalliği değerlendirmenin yaygın bir yolu, modelinizi kurmak ve kalıntıları kaydetmek ve daha sonra kalıntıların dağılımını incelemektir.

2. Mauchly testinin değeri

Yaygın bir strateji Mauchly'nin testine bakmaktır ve eğer istatistiksel olarak anlamlıysa, tek değişkenli düzeltilmiş testleri veya çok değişkenli testleri yorumlayın.

3. Çok Değişkenli

Bence @ttnphns bunu iyi özetledi.

4. Çift karşılaştırmalar

Bence @ttnphns bunu iyi özetledi.

— Jeromy Anglim
kaynak

Biraz dikkatsizce bir araya getirilmiş ve en az bir kesin hata yapan (yanlış tip I ve Tip II) Alan makalesinden kaçınırım.

— rolando2