Só para amplificar - eu sou o solicitante mais recente, acredito.
Em comentário específico sobre os pontos de Mike:
É claramente verdade que a diferença I / II / III se aplica apenas a preditores correlacionados (dos quais projetos desequilibrados são o exemplo mais comum, certamente na ANOVA fatorial) - mas isso me parece ser um argumento que descarta a análise da situação desequilibrada (e, portanto, qualquer debate do tipo I / II / III). Pode ser imperfeito, mas é assim que as coisas acontecem (e em muitos contextos os custos de coleta de dados adicionais superam o problema estatístico, apesar das ressalvas).
Isso é completamente justo e representa a base da maioria dos argumentos "II contra III, favorecendo II" que encontrei. O melhor resumo que encontrei é Langsrud (2003) "ANOVA para dados desequilibrados: use as somas de quadrados do Tipo II em vez das do Tipo III", Statistics and Computing 13: 163-167 (tenho um PDF se o original for difícil de encontrar ) Ele argumenta (tomando o caso de dois fatores como o exemplo básico) que, se houver uma interação, há uma interação; portanto, a consideração dos efeitos principais geralmente não faz sentido (um ponto obviamente justo) - e, se não houver interação, a análise do Tipo II de Os efeitos principais são mais poderosos que o Tipo III (sem dúvida), portanto, você deve sempre usar o Tipo II. Eu já vi outros argumentos (por exemplo, Venables,
E eu concordo com isso: se você tem uma interação, mas também tem alguma dúvida sobre o efeito principal, provavelmente está no território do faça você mesmo.
Claramente, existem aqueles que apenas desejam o Tipo III porque o SPSS o faz, ou alguma outra referência à Autoridade Superior Estatística. Eu não sou totalmente contra esse ponto de vista, se houver muitas pessoas aderindo ao SPSS (contra o qual tenho algumas coisas, como tempo, dinheiro e condições de validade da licença) e SS Tipo III, ou muitas pessoas mudando para R e SS Tipo III. No entanto, esse argumento é claramente estúpido estatisticamente.
No entanto, o argumento que achei bastante mais substancial a favor do Tipo III é o apresentado independentemente por Myers & Well (2003, "Research Design and Statistical Analysis", pp. 323, 626-629) e Maxwell & Delaney (2004, " Projetando Experiências e Analisando Dados: Uma Perspectiva de Comparação de Modelos ", pp. 324-328, 332-335). É o seguinte:
- se houver uma interação, todos os métodos dão o mesmo resultado para a soma dos quadrados da interação
- O tipo II assume que não há interação para testar os principais efeitos; tipo III não
- Alguns (por exemplo, Langsrud) argumentam que, se a interação não for significativa, você estará justificado em supor que não existe uma e observando os principais efeitos (mais poderosos) do Tipo II
- Porém, se o teste da interação é insuficiente, ainda há uma interação, a interação pode sair "não significativa" e ainda assim levar a uma violação das suposições do teste de efeitos principais do Tipo II, enviesando esses testes para que sejam muito liberais .
- Myers & Well citam Appelbaum / Cramer como os principais proponentes da abordagem do Tipo II, e continuam [p323]: "... Critérios mais conservadores para a não-significância da interação poderiam ser usados, como exigir que a interação não seja significativa no momento. nível 0,25, mas não há entendimento suficiente das consequências dessa abordagem.Como regra geral, as somas de quadrados do tipo II não devem ser calculadas, a menos que haja uma forte razão a priori para não assumir efeitos de interação e uma interação claramente não significativa soma de quadrados ". Eles citam [p629] No geral, Lee & Hornick 1981 como uma demonstração de que interações que não se aproximam da significância podem influenciar os testes dos efeitos principais. Maxwell e Delaney [p334] defendem a abordagem do Tipo II se a interação da população for zero, por poder, e a abordagem do tipo III, se não for [pela interpretabilidade dos meios derivados dessa abordagem]. Eles também defendem o uso do Tipo III na situação da vida real (quando você faz inferências sobre a presença da interação a partir dos dados) por causa do problema de cometer um erro do tipo 2 [insuficiente] no teste de interação e, assim, violar acidentalmente os pressupostos da abordagem SS tipo II; eles fazem outros pontos semelhantes aos de Myers & Well e observam o longo debate sobre esse assunto! refazer inferências sobre a presença da interação a partir dos dados) devido ao problema de cometer um erro do tipo 2 [subpotência] no teste de interação e violar acidentalmente as suposições da abordagem da SS do tipo II; eles fazem outros pontos semelhantes aos de Myers & Well e observam o longo debate sobre esse assunto! refazer inferências sobre a presença da interação a partir dos dados) devido ao problema de cometer um erro do tipo 2 [subpotência] no teste de interação e violar acidentalmente as suposições da abordagem da SS do tipo II; eles fazem outros pontos semelhantes aos de Myers & Well e observam o longo debate sobre esse assunto!
Portanto, minha interpretação (e eu não sou especialista!) É que há muita Autoridade Estatística Superior nos dois lados do argumento; que os argumentos usuais apresentados não são sobre a situação usual que daria origem a problemas (sendo essa situação comum a interpretação dos efeitos principais com uma interação não significativa); e que existem razões justas para se preocupar com a abordagem do Tipo II nessa situação (e tudo se resume a uma questão de poder versus potencial excesso de liberalismo).
Para mim, basta desejar a opção Tipo III no ezANOVA, bem como o Tipo II, porque (pelo meu dinheiro) é uma excelente interface para os sistemas ANOVA da R. O R está longe de ser fácil de usar para iniciantes, na minha opinião, e o pacote "ez", com o ezANOVA e as adoráveis funções de plotagem de efeitos, ajuda bastante a tornar o R acessível a um público de pesquisa mais geral. Alguns dos meus pensamentos em andamento (e um desagradável hack para o ezANOVA) estão em http://www.psychol.cam.ac.uk/statistics/R/anova.html .
Estaria interessado em ouvir os pensamentos de todos!