Различия между MANOVA и повторными измерениями ANOVA?

26

В чем разница между повторным измерением ANOVA над каким-либо фактором (скажем, экспериментальным условием) и MANOVA?
В частности, один веб-сайт, на который я наткнулся, предположил, что MANOVA не делает того же предположения о сферичности, что и повторные измерения ANOVA, верно?
- Если так, то почему бы не всегда использовать MANOVA?
Я пытаюсь провести повторные измерения ANOVA с несколькими DV, какой подход подходит?

2

Многофакторный подход к повторным измерениям не рассматривает каждый факторный уровень как отдельный DV. Вместо этого он рассматривает все уникальные различия между уровнями факторов как отдельные DV, а затем проверяет гипотезу о том, что теоретическим центроидом этих DV является 0-вектор. Если имеется

уровней, то имеется p более 2 различий и

уникальных различий (включая

различных уровней факторов).

p

$p$

p - 1

$p-1$

p - 1

$p-1$

— Каракал

Я отредактировал вопрос, чтобы удалить оскорбительную фразу, но я не уверен, что полностью понимаю ваш комментарий, и кажется, что это может быть уместным, чтобы прояснить его в качестве ответа на первый вопрос с пулевым пунктом.

— Расселпирс

3

Глава 13 Maxwell & Delaney (2004) «Планирование экспериментов и анализ данных» содержит подробное описание ответов, которые вы ищете в первых двух пунктах.

— Каракал

Очень ясное и краткое обсуждение дано в «Руководстве Блаффера по ... Сферичности » Энди Филда. Смотрите также Введение в сферичность Тома Багули.

— говорит амеба, восстанови Монику

16

Наличие нескольких повторных измерений видеоустройств можно применить одномерный подход (называемый также повторными измерениями в буквальном смысле слова или разделения участка захода на посадку) или многомерный подход (или Manova). В одномерном подходе уровни RM рассматриваются как отклонения от одной переменной, их среднего уровня. В многомерном подходе уровни RM рассматриваются как ковариаты друг друга. Однофакторный подход требует допущения сферичности, а многомерный - нет, и поэтому он становится все более популярным. Тем не менее, он тратит больше DFи, следовательно, нуждается в большем размере выборки. Кроме того, одномерный подход сохраняет свою популярность, потому что он обобщает до смешанных моделей. Насколько мне известно, когда предположение о сферичности (и за пределами ожидания более общего предположения о составной симметрии) содержит результаты обоих подходов, они очень похожи.

— ttnphns
источник

5

$d$ $d$

Следствием этого является то, что ANOVA и MANOVA "предпочитают" разные альтернативы. Так что используйте MANOVA, если вы хотите отклонить большие длины Махаланобиса среднего вектора, в то время как используйте ANOVA, если вы хотите отклонить большие евклидовы длины.

Но если ковариационная матрица сферическая, оба критерия совпадают, так что в этом случае результаты ANOVA и MANOVA также совпадают (хотя и асимптотически), как указано в ttnphns.

— Хорст Грюнбуш
источник

4

Я предпочитаю модель повторных измерений. Не только легче интерпретировать результаты, но и более гибко, поскольку вы можете указать ковариационную структуру.

Эта ссылка может быть полезна, поскольку она работает на примере: Mixed или MANOVA

— лощина
источник

1

Я полагаю, под «моделью повторных измерений» вы подразумеваете смешанную модель (как в приведенной вами ссылке). Здесь действительно важно быть конкретным: вы НЕ предпочитаете повторные измерения ANOVA (как в вопросе), вы предпочитаете смешанные модели для повторных измерений. И, как указано в сообщении в блоге, смешанные модели действительно предпочтительнее в большинстве случаев.

— wolf.rauch

1

Ссылка на ссылку изменилась; теперь его можно найти здесь . С другой стороны, я думаю, что справедливо считать RM ANOVA частным случаем линейных смешанных моделей.

— gung - Восстановить Монику

Да, модель с повторными измерениями - это смешанная модель. Можно увидеть главу в SAS для смешанных моделей.

— Глен

2

Модель с повторными измерениями является частным случаем смешанной модели. Но я думаю, что очень важно подчеркнуть, что они не одинаковы. PROC MIXED в SAS может реализовывать модели, заметно отличающиеся от повторных измерений ANOVA. SAS имеет тенденцию скрывать эти различия в своих результатах, что приводит к тому, что пользователи интерпретируют смешанные модели не иначе, как повторяющиеся измерения ANOVA. Я просто перезвоню здесь, чтобы сказать, что осторожность оправдана, и пользователи PROC MIXED должны быть осторожны, чтобы быть уверенными, что они точно знают, что они делают.

— Расселпирс