Bonjour tous le monde
Dans le cadre de mon mémoire de maîtrise, je devrais analyser une ANOVA mixte. J'étudie le contrôle postural des enfants et des adultes dans différentes conditions de surface. La procédure du test était la suivante: tous les participants, répartis en groupes d'âge (16 enfants et 17 adultes), se tenaient sur 4 planches d'équilibre de difficulté différente. J'ai opté pour une ANOVA mixte, avec le groupe d'âge et l'état de surface comme effets fixes et le participant comme effet aléatoire.
Lors de la vérification des hypothèses, les problèmes suivants sont apparus:
1) Les résidus n'étaient pas normalement distribués. La transformation des données (journal) a résolu ce problème, mais je ne suis pas sûr de la qualité des conclusions. J'ai lu que les ANOVA sont robustes et ne doivent pas trop s'inquiéter à ce sujet, n'est-ce pas?
(Remarque: j'ai d'abord exécuté un modèle d'ajustement (personnalité: modèle mixte), puis j'ai enregistré les résidus. Ensuite, les résidus ont été analysés pour la distribution.)
2) Lors de la vérification de l'homoscédasticité, cela a également semblé être violé. En vérifiant cela pour les données (sans transformation), le graphique suivant a été trouvé. J'ai conclu que cette hypothèse était violée.
En vérifiant cela pour le journal (données) (avec transformation), le graphique suivant a été trouvé. Je ne suis pas sûr de celui-ci ... Cela semble être correct, mais je ne suis toujours pas sûr de la transformation.
Donc, pour le moment, je ne sais pas comment gérer ces hypothèses. Dois-je m'en tenir à la transformation, utiliser une autre correction ou simplement me fier à la robustesse d'une ANOVA?
Pouvez-vous m'aider avec celui-ci?
Merci d'avance!
PS: Je ne suis pas très sûr d'utiliser JMP et les modèles statistiques, donc ce serait bien si vous répondiez en utilisant un langage plutôt simple.
@Sam_VH , bienvenue dans la communauté JMP! En règle générale, il est bon de vérifier les hypothèses de votre analyse quantitative. Vous faites cela pour mieux comprendre votre modèle, dans quelle mesure il décrit les données et y a-t-il des moments où votre modèle est inadéquat et ne décrit donc pas bien les données. Étant donné que vous n'avez pas joint le jeu de données, il me reste à deviner ce qui peut se passer dans votre jeu de données. Il est vrai qu'il existe un certain degré de robustesse de l'ANOVA à la distribution des données sous-jacentes lorsque vous effectuez une analyse sur des sommes de carrés. Quelle est exactement la variable de réponse? Le système de mesure est-il cohérent? Avez-vous quantifié l'erreur de mesure? Le nettoyage des données avant l'analyse quantitative est malheureusement nécessaire pour presque tous les ensembles de données. Il y a un certain nombre de choses à rechercher. Pour votre variabilité au sein du traitement (les individus au sein du groupe d'âge), y a-t-il des points de données inhabituels? Les transformations peuvent «nettoyer» les irrégularités des données, mais cela rend également l'interprétation plus difficile car l'analyse porte sur les données transformées. Ce que vous pouvez faire, c'est effectuer une analyse sur différentes transformations ainsi que sur les données brutes et rechercher comment les résultats se comparent. Est ce que tu trouves similaire des effets significatifs dans toutes les analyses (ne vous inquiétez pas de la valeur réelle du p)? Si tel est le cas, la transformation n'a peut-être pas d'importance. S'ils sont différents, vous devriez chercher à comprendre pourquoi.
En plus de @statman de l 'aide, vous pourriez envisager une modification alternative à votre modèle. Les transformations sont une solution éprouvée, mais elles changent le sens de votre réponse. Une autre solution consiste également à modéliser la variance. Ajoutez un effet au modèle de variance qui pourrait stabiliser le tracé résiduel (éliminer le modèle).
