Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim einfaktoriellen ANOVA-Test unterschiedlich?Hallo,
Ich habe versucht, einen einfaktoriellen ANOVA-Test mit „Y nach X anpassen“ und „Kleinste Quadrate anpassen“ durchzuführen. Die Beispieldaten, die ich verwendet habe, sind „Snapdragon“. Ursprünglich dachte ich, dass der P-Wert und das F-Verhältnis, die ich mit beiden Methoden erhalten habe, gleich sein sollten (siehe hervorgehobener Teil). Allerdings habe ich mich geirrt. Sie sind tatsächlich ganz unterschiedlich
Könnte mir jemand sagen, warum sie sich bei diesen beiden Methoden unterscheiden? Welche Analyse ist genauer?
Vielen Dank!
Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?
Habe es. Das ist schon sehr hilfreich. Danke!
Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?Ja. Wenn ich mehrere Faktoren habe, die die Reaktion beeinflussen könnten, würde ich die Daten auf verschiedene Arten untersuchen und für meine endgültigen Schlussfolgerungen höchstwahrscheinlich mit einem multivariaten Modell (Fit-Modell) enden. In einigen Fällen müssen Sie möglicherweise auch Wechselwirkungen zwischen Faktoren und eine schrittweise Anpassung berücksichtigen.
Leider kann ich Ihnen nicht im Rahmen eines Diskussionsthreads sagen, was Sie in jeder Situation tun müssten. Vielleicht möchten Sie über eine formelle Ausbildung nachdenken.Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?Hallo Phil,
Vielen Dank für die ausführliche Erklärung. Das macht jetzt mehr Sinn. Wenn ich also über einen komplizierteren Datensatz verfüge (mehrere Faktoren, und jeder Faktor hat >5 Stufen) und ich versuche, die dominantesten Faktoren zu finden, sollte ich eine Fit-Model-Analyse durchführen und aus diesem Ergebnis Schlussfolgerungen ziehen, anstatt nur zu suchen Betrachten Sie das Ergebnis der einfaktoriellen ANOVA und finden Sie das Ergebnis mit dem höchsten F-Verhältnis. Ist mein Verständnis richtig?
Danke,
Sichao
Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?Sie fragen sich auch, welche Analyse die genaueste ist? Nun ja, alle Modelle sind falsch...
Bei den einzelnen Einweganalysen wird jedoch die Effektvarianz mit der Fehlervarianz verglichen. Die Fehlervarianz wird jedoch überschätzt, da sie Varianz enthält, die durch den fehlenden Effekt erklärt werden kann.
Daher würde ich vorschlagen, dass das kombinierte Modell das nützlichere Modell ist, da der Fehlerterm nur die Varianz darstellt, die übrig bleibt, nachdem wir die Auswirkungen der Faktoreffekte berücksichtigt haben.
Es geht wirklich auf die Hypothese zurück, die zu Beginn des Experiments aufgestellt wurde.
Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?Tatsächlich können Sie in diesem Fall erkennen, dass die Modellquadratsumme für das kombinierte Modell (142) einfach die Summe der Quadratsummen für die Effekte in den einzelnen Modellen (103 + 39) ist. Schauen Sie sich die ANOVA-Tabellen an – hoffentlich macht es Sinn.
(In diesem Fall sind Boden- und Blockeffekte orthogonal und nicht miteinander korreliert, da es sich um Daten aus einem geplanten Experiment handelt. In anderen Fällen – bei Beobachtungsdaten – wird dies nicht unbedingt der Fall sein)
Betreff: Warum sind die Ergebnisse von „Y nach X anpassen“ und „Modell anpassen“ beim Einweg-ANOVA-Test unterschiedlich?Hallo,
Die einfache Antwort lautet: Mit Fit Y by X passen Sie zwei separate Modelle an. Mit „Modell anpassen“ passen Sie ein Modell mit beiden Effekten an.
F-Tests vergleichen die Modellvarianz mit der Fehlervarianz. Die Kombination aus Boden- und Blockeffekten ist für einen größeren Anteil der Y-Variation verantwortlich als einer der beiden allein. Daher ist die Fehlervarianz geringer und das F-Verhältnis höher.
Hilft das?
Grüße,
Phil
