ANOVA bidireccional con datos no normales y heterogeneidad de varianzasQueridos amigos del análisis de datos!
Estoy luchando con los datos para mi tesis: quiero hacer anovas de dos vías, pero mis datos no están distribuidos normalmente y no muestra homogeneidad de varianzas.
Mis datos se recopilaron mensualmente durante un período de un año, con 4 puntos de datos por mes (respectivamente para las variables mencionadas a continuación) por tratamiento (de los cuales tengo dos) = ~ 48 puntos de datos por tratamiento, ~ 96 en total.
Tengo diferentes variables que quiero probar: Biodiversidad (índices de Shannon y Simpson), producción de etileno y productividad primaria.
Mi modelo original de dos vías es (por ejemplo) Shannon ~ Comunidad * Tiempo
Las transformaciones de los datos no llevaron a un cumplimiento de los supuestos.
¿Hay alguna forma de realizar una prueba no paramétrica con JMP, pero no solo de una manera (por ejemplo, Shannon ~ Comunidad, Shannon ~ Tiempo), pero también el término de interacción?
¿Qué otras alternativas puedes sugerir?
Probé un GLM con JMP, pero las distribuciones (binomial, normal, exponencial, poisson) no parecen ser adecuadas para mis datos ... Probé Poisson, pero luego tengo problemas con la sobredispersión (¿cuándo seleccionarlo y cuándo no?)
Espero encontrar ayuda aquí, gracias de antemano!
Mejor,
Franka
Re: alternativa de dos vías anovaEsto es complicado porque realmente no se escapa de la suposición de varianzas iguales al no ser paramétrico. Algunos no paramétricos no asumen la misma varianza, otros lo hacen. Podrías contraer los 2 factores en 1 y hacer un ANOVA de Welch. Esto es como probar los 2 efectos principales y la interacción simultáneamente. El problema es que no podrás probar cada factor por separado.
Además, no hay una buena prueba de seguimiento en JMP como Tukey HSD para observar todas las comparaciones por pares que también tienen un ajuste de Behrens-Fisher para tener en cuenta las variaciones desiguales. Hay una prueba llamada Games-Howell que es básicamente un Tukey HSD de Welch, pero tendrías que usar R o SAS para ese análisis.
JMP tiene Steel-Dwass, que creo que es un tipo de prueba de permutación. Nunca he tenido mucha suerte con eso porque los tamaños de mi grupo eran demasiado pequeños. Con sus tamaños de muestra, probablemente estaría bien usando ese método. Simplemente no estoy seguro de lo robusto que es a las variaciones desiguales.
El ANOVA de 2 vías no paramétrico es la prueba de Friedman, pero actualmente no está en JMP. Hay una discusión aquí: https://community.jmp.com/t5/Discussions/Friedman-test-on-JMP/td-p/5974 .
La no normalidad no es un gran problema para usted porque tiene un tamaño de muestra grande para cada tratamiento. CLT se activa con n = 30 para la mayoría de las situaciones, y la suposición real para ANOVA es que las distribuciones muestrales de los medios se distribuyen normalmente. Su mayor problema son las variaciones desiguales.
Re: ANOVA bidireccional con datos no normales y heterogeneidad de varianzasParece que no está seguro de cómo contabilizar el tiempo o cambiar con el tiempo en su modelo.
¿Qué haces con Month? ¿Es un efecto aleatorio? ¿Cómo explica el cambio a lo largo del tiempo en su modelo?
La segunda variable es su tratamiento (¿comunidad?)
En el modelo de ajuste, tal vez sus efectos sean: (o en lugar de mes, días desde el inicio o algo que tenga sentido en su experimento).
comunidad
mes y al azar
mes * comunidad y aleatorio
Luego, puede hacer una prueba personalizada o comparaciones múltiples (triángulo rojo, estimaciones, comparaciones múltiples) para obtener las medias de mínimos cuadrados para cada comunidad.
Después del análisis, verifique la normalidad de sus residuos. ¿La dispersión en sus respuestas experimentales puede explicarse por los tratamientos y los efectos aleatorios?
