Zweifaktorielle ANOVA mit nicht normalen Daten und Heterogenität der VarianzenLiebe Freunde der Datenanalyse!
Ich habe Probleme mit den Daten für meine Abschlussarbeit – ich möchte bidirektionale Anovas durchführen, aber meine Daten sind nicht normalverteilt und zeigen keine Homogenität der Varianzen.
Meine Daten wurden monatlich über einen Zeitraum von einem Jahr gesammelt, mit 4 Datenpunkten pro Monat (jeweils für die unten genannten Variablen) pro Behandlung (von denen ich zwei habe) = ~ 48 Datenpunkte pro Behandlung, ~ 96 insgesamt.
Ich möchte verschiedene Variablen testen: Biodiversität (Shannon- und Simpson-Indizes), Ethylenproduktion und Primärproduktivität.
Mein ursprüngliches Zwei-Wege-Anova-Modell ist (z. B.) Shannon ~ Community*Time
Transformationen der Daten führten nicht zu einer Erfüllung der Annahmen.
Gibt es eine Möglichkeit, mit JMP einen nichtparametrischen Test durchzuführen, aber nicht nur einen einseitigen Test (z. B. Shannon~Community, Shannon~Time), sondern auch den Interaktionsterm?
Welche anderen Alternativen können Sie vorschlagen?
Ich habe ein GLM mit JMP ausprobiert, aber die Verteilungen (binomial, normal, exponentiell, Poisson) scheinen für meine Daten nicht gut geeignet zu sein ... Ich habe Poisson ausprobiert, aber dann habe ich Probleme mit der Überdispersion (wann soll ich es auswählen und wann nicht?)
Ich hoffe, hier Hilfe zu finden, vielen Dank im Voraus!
Am besten,
Franka
Betreff: Zweifaktorielle ANOVA mit nicht normalen Daten und Heterogenität der VarianzenEs hört sich so an, als ob Sie nicht sicher sind, wie Sie die Zeit berücksichtigen oder sich im Laufe der Zeit in Ihrem Modell ändern sollen.
Was machst du mit Month? Ist es ein zufälliger Effekt? Wie berücksichtigen Sie Veränderungen im Laufe der Zeit in Ihrem Modell?
Die zweite Variable ist Ihre Behandlung (Gemeinschaft?)
Im Fit-Modell sind Ihre Auswirkungen möglicherweise: (oder anstelle von Monat, Tagen seit Beginn oder etwas, das in Ihrem Experiment Sinn macht.)
Gemeinschaft
Monat & Zufall
Monat*Community & Zufall
Anschließend können Sie einen benutzerdefinierten Test oder mehrere Vergleiche (rotes Dreieck, Schätzungen, mehrere Vergleiche) durchführen, um die Mittelwerte der kleinsten Quadrate für jede Community zu erhalten.
Überprüfen Sie nach der Analyse Ihre Residuen auf Normalität. Die Streuung Ihrer experimentellen Antworten lässt sich möglicherweise durch die Behandlungen und zufälligen Effekte erklären?
Betreff: Alternative Zwei-Wege-AnovaDies ist schwierig, da Sie der Annahme gleicher Varianzen nicht wirklich entkommen, indem Sie nichtparametrisch vorgehen.Einige nichtparametrische Modelle gehen nicht von gleicher Varianz aus, andere hingegen schon.Sie könnten die beiden Faktoren zu einem zusammenfassen und eine Welch-ANOVA durchführen.Das ist, als würde man die beiden Haupteffekte und die Wechselwirkung gleichzeitig testen.Das Problem besteht darin, dass Sie nicht jeden Faktor einzeln auf Signifikanz testen können.
Außerdem gibt es in JMP keinen guten Folgetest wie Tukey HSD zur Betrachtung aller paarweisen Vergleiche, der auch eine Behrens-Fisher-Anpassung zur Berücksichtigung ungleicher Varianzen aufweist.Es gibt einen Test namens Games-Howell, der im Grunde ein Welch's Tukey HSD ist, für diese Analyse müsste man jedoch R oder SAS verwenden.
JMP verfügt über Steel-Dwass, was meiner Meinung nach eine Art Permutationstest ist.Ich hatte nie viel Glück damit, weil meine Gruppengröße zu klein war.Bei Ihren Stichprobengrößen wäre die Verwendung dieser Methode wahrscheinlich in Ordnung.Ich bin mir nur nicht sicher, wie robust es gegenüber ungleichen Varianzen ist.
Die nichtparametrische 2-Wege-ANOVA ist der Friedman-Test, der jedoch derzeit nicht in JMP verfügbar ist.Hier gibt es eine Diskussion: https://community.jmp.com/t5/Discussions/Friedman-test-on-JMP/td-p/5974 .
Nichtnormalität stellt für Sie kein großes Problem dar, da Sie für jede Behandlung eine große Stichprobengröße haben.CLT setzt in den meisten Situationen bei n=30 ein, und die eigentliche Annahme für ANOVA ist, dass die Stichprobenverteilungen der Mittelwerte normalverteilt sind.Ihr größeres Problem sind die ungleichen Varianzen.
