Bonjour tout 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 lors de différentes conditions de surface. La procédure de test était la suivante : tous les participants, répartis en groupes d'âge (16 enfants et 17 adultes), se tenaient debout 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 distribués normalement. La transformation des données (log) a résolu ce problème, mais je ne suis pas sûr de la qualité des conclusions. J'ai lu que l'ANOVA était robuste et qu'il ne fallait pas trop s'en soucier, 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. Lors de la vérification des données (sans transformation), le graphique suivant a été trouvé. J'ai conclu que cette hypothèse était violée.
Lors de la vérification 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 compter sur la robustesse d'une ANOVA ?
Pourriez-vous m'aider avec celui-ci?
Merci d'avance!
PS : Je ne suis pas très à l'aise avec JMP et les modèles statistiques, donc ce serait bien si vous répondiez en utilisant un langage plutôt simple.
En plus de @statman , vous pouvez envisager une autre modification de votre modèle. Les transformations sont une solution éprouvée, mais elles changent le sens de votre réponse. Une autre solution consiste à modéliser également la variance. Ajouter un effet au modèle de variance qui pourrait stabiliser le graphique résiduel (éliminer le motif).
@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 s'il y a des moments où votre modèle est inadéquat et ne décrit donc pas bien les données. Étant donné que vous n'avez pas joint l'ensemble de données, il me reste à deviner ce qui peut se passer dans votre ensemble de données. Il est vrai qu'il existe un certain degré de robustesse de l'ANOVA par rapport 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 intra-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 comparer les résultats. Est ce que tu trouves similaire des effets significatifs dans toutes les analyses (sans se soucier de la valeur réelle de p) ? Si c'est le cas, alors peut-être que la transformation n'a pas d'importance. S'ils sont différents, alors vous devriez chercher à comprendre pourquoi.
