MANOVA और बार-बार मापा जाने वाला अंतर ANOVA?

26

कुछ कारक (प्रायोगिक स्थिति कहते हैं) और एक MANOVA पर दोहराया उपायों एनोवा के बीच क्या अंतर है?
विशेष रूप से एक वेबसाइट पर मैंने सुझाव दिया है कि MANOVA गोलाकार की समान धारणा नहीं बनाता है जो बार-बार ANOVA करता है, क्या यह सच है?
- यदि ऐसा है, तो कोई हमेशा MANOVA का उपयोग क्यों नहीं करेगा?
मैं कई DVs के साथ दोहराया उपायों एनोवा का संचालन करने की कोशिश कर रहा हूं, उपयुक्त दृष्टिकोण क्या है?

2

दोहराया उपायों के लिए बहुभिन्नरूपी दृष्टिकोण प्रत्येक कारक स्तर को एक अलग डीवी के रूप में नहीं मानता है। इसके बजाय, यह कारक स्तरों के बीच के सभी अनूठे अंतरों को अलग DVs के रूप में मानता है और फिर परिकल्पना का परीक्षण करता है कि इन DVs का सैद्धांतिक केन्द्रक 0-वेक्टर है। यदि

स्तर हैं, तो पी 2 से अधिक अंतर हैं, और

अद्वितीय अंतर (

अलग-अलग कारक स्तर शामिल हैं)।

p

$p$

p - 1

$p-1$

p - 1

$p-1$

— काराकल

मैंने अपमानजनक वाक्यांश को हटाने के लिए प्रश्न को संपादित किया है, लेकिन मुझे यकीन नहीं है कि मैं आपकी टिप्पणी को पूरी तरह से समझता हूं, और ऐसा लगता है कि यह पहली बुलेट बिंदु प्रश्न के उत्तर के रूप में स्पष्ट करने के लिए एक प्रासंगिक बिंदु हो सकता है।

— रुसैलपिएरेस

3

मैक्सवेल और डेलाने के अध्याय 13 (2004) "डिजाइनिंग एक्सपेरिमेंट्स एंड एनालिसिसिंग डेटा" आपके पहले दो बुलेट बिंदुओं के जवाबों के बारे में गहराई से उपचार प्रदान करता है।

— काराकल

एक बहुत स्पष्ट और संक्षिप्त चर्चा एंडी फील्ड द्वारा गोलाबारी की मार्गदर्शिका ... गोलाकार में दी गई है। थॉम बागुले द्वारा गोलाकार करने के लिए एक परिचय भी देखें ।

— अमीबा का कहना है कि मोनिका

16

कई दोहराया उपायों DVs होने से एक एक आवेदन कर सकते हैं univariate दृष्टिकोण (भी बुलाया पुनरावृत्त मापन sensu stricto या विभाजन की साजिश दृष्टिकोण) या मल्टीवेरिएट दृष्टिकोण (या Manova)। एकतरफा दृष्टिकोण में, आरएम स्तरों को एक चर से विचलन के रूप में माना जाता है, उनका औसत स्तर। बहुभिन्नरूपी दृष्टिकोण में, आरएम स्तर को एक दूसरे के सहसंयोजक के रूप में माना जाता है। बहुभिन्नरूपी दृष्टिकोण के लिए अविभाज्य दृष्टिकोण की आवश्यकता होती है जबकि बहुभिन्नरूपी दृष्टिकोण नहीं करता है, और इस वजह से यह वास्तव में अधिक लोकप्रिय हो रहा है। हालाँकि, यह अधिक df खर्च करता हैऔर इस तरह बड़ा नमूना आकार की जरूरत है। इसके अलावा, अविभाजित दृष्टिकोण इसकी लोकप्रियता को बनाए रखता है क्योंकि यह मिश्रित मॉडलों के लिए सामान्य है। जब गोलाकार धारणा (और अपेक्षा से अधिक सामान्य यौगिक समरूपता धारणा भी) दोनों दृष्टिकोणों के अनुसार परिणाम बहुत समान हैं, जहां तक मुझे पता है।

— ttnphns
स्रोत

5

ज्यामितीय रूप से, मैनोवा एक दीर्घवृत्ताकार के बाहर माध्य (अंतर) वेक्टर लेट को iff को अस्वीकार करता है। दोहराया उपायों एनोवा, कहते हैं, के साथ $d$ $d$

परिणाम यह है कि एनोवा और मैनोवा अलग-अलग विकल्पों के "पक्ष" करते हैं। अगर आप महान यूक्लिडियन लंबाई को अस्वीकार करना चाहते हैं तो एनोवा का उपयोग करते समय यदि आप वेक्टर के महालानोबिस-लंबाई को अस्वीकार करना चाहते हैं तो मैनोवा का उपयोग करें।

लेकिन अगर सहसंयोजक मैट्रिक्स गोलाकार है, तो दोनों मानदंड शंकुधारी होते हैं, ताकि इस मामले में एनोवा और मैनावा के परिणाम भी स्पष्ट हों (हालांकि केवल स्पर्शोन्मुख) के रूप में ttnphns बताया।

— होर्स्ट ग्रुनबसच
स्रोत

4

मैं एक दोहराया उपायों के मॉडल को पसंद करता हूं। न केवल परिणामों की व्याख्या करना आसान है, यह अधिक लचीला है कि आप एक कोवरियन संरचना को निर्दिष्ट कर सकते हैं।

यह संदर्भ उपयोग का हो सकता है क्योंकि यह एक उदाहरण के माध्यम से काम करता है: मिश्रित या MANOVA

— कंदरा
स्रोत

1

मुझे लगता है कि "दोहराया उपायों के मॉडल" से आपका मतलब एक मिश्रित मॉडल है (जैसा कि आपके द्वारा दिए गए लिंक में है)। यहां विशिष्ट होना वास्तव में महत्वपूर्ण है: आप दोहराए गए उपायों को पसंद नहीं करते हैं ANOVA (सवाल के रूप में), आप दोहराया उपायों के लिए मिश्रित मॉडल पसंद करते हैं। और जैसा कि ब्लॉग पोस्ट में बताया गया है, मिश्रित मॉडल वास्तव में ज्यादातर मामलों में बेहतर हैं।

— wolf.rauch

1

संदर्भ का लिंक बदल गया है; यह अब यहां पाया जा सकता है । एक अलग नोट पर, मुझे लगता है कि आरएम एनोवा को रैखिक मिश्रित मॉडल के विशेष मामले के रूप में सोचना उचित है।

— गूँज - मोनिका

हां एक दोहराया गया मॉडल एक मिश्रित मॉडल है। मिश्रित मॉडल के लिए SAS में अध्याय देख सकते हैं।

— ग्लेन

2

एक दोहराया उपायों का मॉडल मिश्रित मॉडल का एक विशेष मामला है। लेकिन, मुझे लगता है कि इस बात पर जोर देना बहुत जरूरी है कि वे समान नहीं हैं। SAS में आयोजित PROC ऐसे मॉडल लागू कर सकता है जो दोहराए गए उपायों एनोवा से भिन्न हैं। एसएएस अपने आउटपुट में इन अंतरों को चमकाने के लिए अग्रणी उपयोगकर्ताओं को मिश्रित मॉडल की व्याख्या करने के लिए अलग-अलग नहीं करता है, जिससे वे एनोवा को दोहराएंगे। मैं यहाँ सिर्फ यह कहने के लिए चिंतन कर रहा हूँ कि सावधानी बरती जाए और PROC MIXED के उपयोगकर्ताओं को सावधान रहना चाहिए कि वे ठीक से जान सकें कि वे क्या कर रहे हैं।

— रुसलपिएरेस