निर्भर चर के बीच MANOVA और सहसंबंध: कितना मजबूत बहुत मजबूत है?

11

एक MANOVA में आश्रित चर "बहुत दृढ़ता से सहसंबद्ध" नहीं होना चाहिए। लेकिन एक सहसंबंध कितना मजबूत है? इस मुद्दे पर लोगों की राय लेना दिलचस्प होगा। उदाहरण के लिए, क्या आप निम्न स्थितियों में MANOVA के साथ आगे बढ़ेंगे?

Y1 और Y2 का संबंध और $r=0.3$ $p<0.005$
Y1 और Y2 का संबंध और $r=0.7$ $p=0.049$

अपडेट करें

@Onestop के जवाब में कुछ प्रतिनिधि उद्धरण:

"MANOVA उन स्थितियों में अच्छी तरह से काम करता है जहां DVs के बीच मध्यम सहसंबंध हैं" (सैन फ्रांसिस्को स्टेट यूनि से नोट्स)

"आश्रित चर सहसंबंधित होते हैं जो मनोवा के लिए उपयुक्त है" (संयुक्त राज्य अमेरिका EPA आँकड़े प्राइमर)

"आश्रित चर को वैचारिक रूप से संबंधित होना चाहिए, और उन्हें एक दूसरे के साथ निम्न से मध्यम स्तर पर सहसंबद्ध होना चाहिए।" (उत्तरी एरिज़ोना विश्वविद्यालय से पाठ्यक्रम नोट)

"DV के बारे में .3 से के बारे में .7 योग्य हैं" (मैक्सवेल 2001, जर्नल ऑफ कंज्यूमर साइकोलॉजी)

nb मैं इस धारणा का जिक्र नहीं कर रहा हूं कि Y1 और Y2 के बीच का अंतर्संबंध स्वतंत्र चर के सभी स्तरों पर समान होना चाहिए, बस इस स्पष्ट ग्रे क्षेत्र के बीच अंतर के वास्तविक परिमाण के बारे में।

— फ्रीया हैरिसन
स्रोत

1

कौन कहता है कि उन्हें "बहुत दृढ़ता से सहसंबद्ध" नहीं होना चाहिए, अर्थात उस बोली का स्रोत क्या है?

— onestop

9

एक जंगली अनुमान लेना: यदि शून्य सहसंबंध है, तो आप अलग-अलग काम कर सकते हैं और इस तरह अपने कार्य को सरल बना सकते हैं। यदि बहुत अधिक सहसंबंध है, तो आप वाई वेरिएबल्स में से सिर्फ एक पर ही एनोवा का संचालन कर सकते हैं क्योंकि परिणाम अन्य सभी के लिए काफी हद तक समान होंगे।

— 3land में rolando2

2

बस एक ध्यान दें: जिस कारण से मैंने एक उत्तर स्वीकार नहीं किया है, वह यह है कि जैसा कि प्रो ली कहते हैं, यह स्पष्ट नहीं है। इसलिए सभी का योगदान उपयोगी है।

— फ्रेया हैरिसन

2

मैं @ rolando2 (और अन्य) से सहमत हूं कि बहुत उच्च सहसंबंध के मामले में MANOVA एक चर (या उनके औसत पर) जैसे किसी ANOVA में बहुत कुछ नहीं जोड़ता है, लेकिन महत्वपूर्ण मुद्दा मौजूदा उत्तरों में से किसी में भी शामिल नहीं है। : MANOVA इस स्थिति में किसी भी तरह से बदतर क्यों होगा ?

— अमीबा

6

कोई स्पष्ट जवाब नहीं है। विचार यह है कि यदि आपके पास एक सहसंबंध है जो 1 के करीब आता है तो आपके पास अनिवार्य रूप से एक चर है न कि कई चर। तो आप उन परिकल्पनाओं के खिलाफ परीक्षण कर सकते हैं जो r = 1.00 हैं। उस ने कहा, MANOVA का विचार आपको एनोवा परीक्षण की एक श्रृंखला से अधिक कुछ देना है। यह आपको एक परीक्षण के साथ एक संबंध खोजने में मदद करता है क्योंकि आप आश्रित चर का संयोजन करते समय अपनी औसत वर्ग त्रुटि को कम कर सकते हैं। यदि आपके पास अत्यधिक सह-निर्भर आश्रित चर हैं तो यह मदद नहीं करेगा।

3

प्रभाव आकार मूल्यों के लिए कोहेन (1988, 1992) दिशानिर्देशों का उपयोग क्यों नहीं किया गया? वह "छोटा" , "माध्यम" और "बड़ा" प्रभाव को है। यह चर के साथ MANOVA का उपयोग करने का सुझाव देगा, जिसका से नीचे है । $(0.1 \leq r \leq 0.23)$ $(0.24 \leq r \leq 0.36)$ $(r \geq 0.37)$ $r$ $0.37$

संदर्भ

कोहेन, जे। (1988) व्यवहार विज्ञान के लिए सांख्यिकीय शक्ति विश्लेषण। दूसरा एड। रूटलेज अकादमिक, 567 पीपी।

कोहेन, जे (1992)। एक पावर प्राइमर। मनोवैज्ञानिक बुलेटिन 112, 155–159।

— ILS
स्रोत

3

जब भी आप प्रत्येक अवलोकन पर मापे गए कई DVs पर समूहों की तुलना कर रहे हैं, तो मैं एक MANOVA आयोजित करने की सलाह दूंगा। डेटा बहुभिन्नरूपी हैं, और एमवी प्रक्रिया का उपयोग उस ज्ञात डेटा स्थिति को मॉडल करने के लिए किया जाना चाहिए। मैं यह तय करने में विश्वास नहीं करता कि उस सहसंबंध के आधार पर इसका उपयोग करना है या नहीं। तो मैं उन स्थितियों में से किसी के लिए MANOVA का उपयोग करूंगा। मैं ब्रूस थॉम्पसन (ईआरआईसी आईडी ED429110) द्वारा निम्नलिखित सम्मेलन पेपर के प्रासंगिक अंशों को पढ़ने की सलाह दूंगा।

ps मुझे विश्वास है कि 'वैचारिक रूप से संबंधित' उद्धरण स्टीवंस पुस्तक से आया है।

— बॉब पी
स्रोत

0

MANOVA में सहसंबंध क्या होना चाहिए या नहीं होना चाहिए, इस बारे में दावे मूल रूप से "मिथक" हैं (देखें फ्रेंक, 2015, "पावर एंड टाइप I एरर कंट्रोल फ्रॉम अनवेरिएट तुलना मल्टीवेरिएट टू-ग्रुप डिजाइन")। लेकिन निश्चित रूप से, यदि आपके डीवी लगभग पूरी तरह से सहसंबद्ध हैं (अर्थात, 1 या -1 के पास), तो आपको खुद से पूछना चाहिए कि आप उन्हें पहली जगह में अलग-अलग चर के रूप में क्यों मान रहे हैं।

— Bonferroni
स्रोत