Teste post hoc em uma ANOVA de design misto 2x3 usando SPSS?


8

Eu tenho dois grupos de 10 participantes que foram avaliados três vezes durante um experimento. Para testar as diferenças entre os grupos e nas três avaliações, executei um ANOVA de desenho misto 2x3 com group(controle, experimental), time(primeiro, segundo, três) e group x time. Ambos timee groupresultaram significativos, além de haver interação significativa group x time.

Não sei muito bem como proceder para verificar as diferenças entre os três momentos das avaliações, também em relação à participação no grupo. De fato, no começo eu especifiquei apenas nas opções da ANOVA para comparar todos os efeitos principais, usando a correção de Bonferroni. No entanto, percebi que, dessa forma, foram comparadas as diferenças no tempo da amostra total, sem distinção de grupo, estou certo?

Por isso, pesquisei bastante na internet para encontrar uma solução possível, mas com resultados escassos. Encontrei apenas 2 casos semelhantes aos meus, mas suas soluções são opostas!

  1. Em um artigo, após o desenho misto, os autores executaram 2 medidas repetidas de ANOVA como post-hoc, uma para cada grupo de sujeitos. Dessa forma, os dois grupos são analisados ​​separadamente, sem nenhuma correção, estou certo?
  2. Em um guia na internet, eles dizem para adicionar manualmente a sintaxe do SPSS COMPARE(time) ADJ(BONFERRONI), logo depois /EMMEANS=TABLES(newgroup*time), enquanto executam a ANOVA mista. Dessa forma, as três vezes são comparadas separadamente para cada grupo, com correção de Bonferroni, estou certo?

O que você acha? Qual seria a maneira correta de proceder?

anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 


Texto principal de Winer (1962) sobre estatísticas. fornece fórmulas para os termos dos erros a serem usados ​​nas comparações post hoc após muitos tipos de ANOVA, incluindo este.

Olá @StuartMcKelvie, você poderia dar mais detalhes? Tal como está, sua resposta dificilmente pode ser usada pelo OP ou por futuros visitantes. (Além disso, você não fornecer uma referência para Winer [1962], e uma vez que é tão velho, ele pode não ser fácil de encontrar.)
Patrick Coulombe

Encontrei este capítulo gratuito do IBM SPSS Statistics (18 e 19): Workbook psychtestingonline.com/PDFDownloader.aspx?pdf=3 É exatamente sobre o seu caso
sviter

Estou tendo exatamente o mesmo problema. Você decidiu um método específico no final? Obrigado.
Laoise Ní Chléirigh 26/09/16

Respostas:


2

Resposta editada para implementar um comentário encorajador e construtivo por @Ferdi

Eu gostaria de:

  1. forneça uma resposta com um script completo
  2. Mencione que também é possível testar contrastes personalizados mais gerais usando o comando / TEST
  3. argumentar que isso é necessário em alguns casos (ou seja, a combinação EMMEANS COMPARE não é suficiente)

Eu assumo ter um banco de dados com colunas: depV, Group, F1, F2. Eu implementei uma ANOVA de projeto misto 2x2x2, em que depV é a variável dependente, F1 e F2 estão dentro dos fatores sujeitos e o Grupo é um fator entre sujeitos. Suponho ainda que o teste F tenha revelado que a interação do grupo * F2 é significativa. Portanto, preciso usar testes t pós-hoc para entender o que impulsiona a interação.

MIXED depV BY Group F1 F2 
  /FIXED=Group F1 F2 Group*F1 Group*F2 F1*F2 Group*F1*F2 |  SSTYPE(3) 
  /METHOD=REML 
  /RANDOM=INTERCEPT | SUBJECT(Subject) COVTYPE(VC) 
  /EMMEANS=TABLES(Group*F2) COMPARE(Group) ADJ(Bonferroni)
  /TEST(0) = 'depV(F2=1)-depV(F2=0) differs between groups' 
    Group*F2 1/4 -1/4 -1/4 1/4 
    Group*F1*F2 1/8 -1/8 1/8 -1/8 -1/8 1/8 -1/8 1/8 
  /TEST(0) = 'depV(Group1, F2=1)-depV(Group2, F2=1)' Group 1 -1
    Group*F1 1/2 1/2 -1/2 -1/2 
    Group*F2 1 0 -1 0  
    Group*F1*F2 1/2 0 1/2 0 -1/2 0 -1/2 0 .

Em particular, o segundo teste t corresponde ao realizado pelo comando EMMEANS. A comparação EMMEANS pode revelar, por exemplo, que depV foi maior no Grupo 1 na condição F2 = 1.

No entanto, a interação também pode ser conduzida por outra coisa, que é verificada pelo primeiro teste: a diferença depV (F2 = 1) -depV (F2 = 0) difere entre os grupos e esse é um contraste que você não pode verificar com o comando EMMEANS (pelo menos não achei uma maneira fácil).

Agora, em modelos com muitos fatores, é um pouco complicado escrever a linha / TEST, a sequência de 1/2, 1/4 etc., chamada matriz L. Normalmente, se você receber a mensagem de erro: "a matriz L não é estimada", você está esquecendo alguns elementos. Um link que explica o recebimento é esse: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/


Que ótima resposta. Você pode torná-lo ainda melhor se você 1. resumir o conteúdo de seu link e 2. explicar o que você está fazendo estatisticamente
Ferdi

1

Não conheço a sintaxe do SPSS particularmente bem, mas, se entendi sua situação corretamente, a interação significativa significa que, para avaliar adequadamente a significância de seus efeitos principais, você precisará fazer análises separadas. Acho que a melhor maneira de proceder é fazer análises de medidas repetidas separadas para cada nível no seu fator de agrupamento. Talvez alguém possa falar melhor da questão de como lidar com a correção de múltiplas comparações durante a análise post-hoc, mas tenho certeza de que você ainda precisa usar uma correção. Você pode experimentar o Tukey, como uma correção de comparação múltipla!


Obrigado pela sua resposta. Se entendi corretamente, você sugere a solução 1) para realizar duas ANOVAs de medidas repetidas separadas, uma para cada grupo, com o tempo como variável independente dos sujeitos (3 níveis) e, se significativo, comparar os principais efeitos com a correção de Tukey (ou Bonferroni, eu acho, não está bem?). Eu entendi corretamente?
Federico

Nesse caso, usando o SPSS, selecione "Dados / Dividir arquivo ..." e digitei a variável de agrupamento. Isso está correto? Dessa forma, encontrei uma ANOVA ligeiramente significativa (p = 0,044) para o grupo controle, mas as comparações de Bonferroni (não me permite fazer Tukey) são todas sem significado ... Como explicar isso? O resultado da ANOVA é um erro de tipo?
Federico

1

Em resumo. Não existe uma convenção aceita globalmente para essas situações. Alguns usarão correções de Bonferroni. Alguns forçarão a estrutura do Tukey HSD a dançar para eles (por exemplo, Maxwell & Delaney). Em contraste...

COMPARE(time) ADJ(BONFERRONI)", just after "/EMMEANS=TABLES(newgroup*time)

... parece usar a correção de Bonferroni. No entanto, essa abordagem é provavelmente conservadora, especialmente diante das correções no estilo Holm-Sidak. (ESPECIALMENTE se você não usar o RSU como o termo de erro para suas comparações post-hoc).

Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.