मुझे पूरी तरह से यकीन नहीं है कि वास्तविक मॉडल "दोहराए गए उपायों एनोवा" का वर्णन करता है, लेकिन मुझे लगता है कि एक सामान्य मुद्दा यह है कि क्या किसी मॉडल में किसी भी प्रकार के यादृच्छिक प्रभाव डालने के बजाय उदाहरण के लिए, केवल प्रेरित निर्भरता को कवर करने के लिए विचरण अनुमान समायोजित करें (जैसे कि पैनल ने समय श्रृंखला क्रॉस-अनुभागीय डेटा विश्लेषण में मानक त्रुटियों बनाम बहुस्तरीय मॉडल बहस को ठीक किया)। इसलिए मुझे पहले उस सवाल पर जाना होगा, फिर अपना पता देना होगा।
स्थिर और यादृच्छिक प्रभाव
निर्धारित प्रभाव के बजाय यादृच्छिक का उपयोग करने के बारे में दो पूरक सिद्धांत निम्नलिखित हैं:
- एक यादृच्छिक प्रभाव के साथ एक चीज (विषय, उत्तेजना प्रकार, आदि) का प्रतिनिधित्व करें जब आप उस चीज के अन्य उदाहरणों को सामान्य करने के लिए मॉडल का उपयोग करने में रुचि रखते हैं जो वर्तमान विश्लेषण में शामिल नहीं है, जैसे अन्य विषय या अन्य उत्तेजना प्रकार। यदि एक निश्चित प्रभाव का उपयोग नहीं करते हैं।
- जब आप सोचते हैं कि किसी भी चीज़ के लिए एक यादृच्छिक प्रभाव वाली चीज़ का प्रतिनिधित्व करते हैं, तो डेटा सेट में अन्य उदाहरण संभावित रूप से इसके बारे में जानकारीपूर्ण होते हैं। यदि आप ऐसी किसी अनौपचारिकता की उम्मीद नहीं करते हैं, तो एक निश्चित प्रभाव का उपयोग करें।
दोनों विषय यादृच्छिक प्रभावों सहित स्पष्ट रूप से प्रेरित करते हैं: आप आम तौर पर सामान्य रूप से मानव आबादी में रुचि रखते हैं और प्रत्येक विषय के प्रतिक्रिया सेट के तत्व परस्पर संबंधित होते हैं, एक दूसरे से पूर्वानुमानित होते हैं और इसलिए एक दूसरे के बारे में जानकारीपूर्ण होते हैं। यह उत्तेजनाओं जैसी चीजों के लिए कम स्पष्ट है। यदि कभी केवल तीन प्रकार की उत्तेजनाएँ होंगी तो 1. एक निश्चित प्रभाव को प्रेरित करेगा और 2. निर्णय को उत्तेजनाओं की प्रकृति पर निर्भर करेगा।
आपके सवाल
एनोवा को बार-बार प्रभाव में मिश्रित मॉडल का उपयोग करने का एक कारण यह है कि पूर्व में काफी अधिक सामान्य हैं, उदाहरण के लिए वे संतुलित और असंतुलित डिजाइनों के साथ समान रूप से आसानी से काम करते हैं और उन्हें आसानी से मल्टीलेवल मॉडल तक बढ़ाया जाता है। शास्त्रीय एनोवा और उसके एक्सटेंशन पर पढ़ने वाली मेरी (संयुक्त रूप से सीमित) में, मिश्रित मॉडल उन सभी विशेष मामलों को कवर करती हैं, जो एनोवा एक्सटेंशन करती हैं। इसलिए मैं वास्तव में दोहराया उपायों एनोवा को पसंद करने के लिए एक सांख्यिकीय कारण के बारे में नहीं सोच सकता। अन्य लोग यहां मदद करने में सक्षम हो सकते हैं। (एक परिचित समाजशास्त्रीय कारण यह है कि आपका क्षेत्र स्नातक स्कूल में सीखे गए अपने पुराने सदस्यों के तरीकों के बारे में पढ़ना पसंद करता है, और एक व्यावहारिक कारण यह है कि एनोवा के मामूली विस्तार की तुलना में मिश्रित मॉडल का उपयोग करना सीखने में थोड़ा अधिक समय लग सकता है।)
ध्यान दें
यादृच्छिक प्रभाव का उपयोग करने के लिए एक चेतावनी, गैर- प्रासंगिक डेटा के लिए सबसे अधिक प्रासंगिक है , यह है कि स्थिरता बनाए रखने के लिए आपको या तो यह मान लेना होगा कि यादृच्छिक प्रभाव मॉडल के निश्चित प्रभावों के साथ असंबंधित हैं, या यादृच्छिक प्रभाव के लिए सहसंयोजक के रूप में निश्चित प्रभाव का मतलब है (चर्चा की गई) जैसे बाफुमी और गेलमैन के पेपर में)।