Hallo zusammen
Im Rahmen meiner Masterarbeit sollte ich eine gemischte ANOVA analysieren. Ich untersuche die Haltungskontrolle von Kindern und Erwachsenen unter verschiedenen Oberflächenbedingungen. Das Testverfahren war wie folgt: Alle Teilnehmer, unterteilt in Altersgruppen (16 Kinder und 17 Erwachsene), standen auf 4 Balance-Boards mit unterschiedlichen Schwierigkeitsgraden. Ich entschied mich für eine gemischte ANOVA mit Altersgruppe und Oberflächenzustand als festen Effekten und Teilnehmer als zufälligen Effekt.
Bei der Überprüfung der Annahmen traten folgende Probleme auf:
1) Die Residuen waren nicht normal verteilt. Das Transformieren der Daten (Protokoll) hat dieses Problem gelöst, aber dann bin ich mir über die Qualität der Schlussfolgerungen nicht sicher. Ich habe gelesen, dass ANOVA robust ist und sich darüber keine Sorgen machen muss, stimmt das?
(Hinweis: Zuerst habe ich ein Anpassungsmodell (Persönlichkeit: gemischtes Modell) ausgeführt und dann die Residuen gespeichert. Anschließend wurden die Residuen auf Verteilung analysiert.)
2) Bei der Überprüfung auf Homoskedastizität schien dies ebenfalls verletzt zu sein. Bei der Überprüfung der Daten (ohne Transformation) wurde das nächste Diagramm gefunden. Ich kam zu dem Schluss, dass diese Annahme verletzt wurde.
Bei der Überprüfung des Protokolls (Daten) (mit Transformation) wurde das nächste Diagramm gefunden. Ich bin mir da nicht sicher ... Das scheint in Ordnung zu sein, aber ich bin mir immer noch nicht sicher über die Transformation.
Im Moment bin ich mir nicht sicher, wie ich mit diesen Annahmen umgehen soll. Sollte ich mich an die Transformation halten, eine andere Korrektur verwenden oder mich nur auf die Robustheit einer ANOVA verlassen?
Könntest du mir dabei helfen?
Vielen Dank im Voraus!
PS: Ich bin nicht sehr sicher, JMP und statistische Modelle zu verwenden, daher wäre es schön, wenn Sie mit einer eher einfachen Sprache antworten würden.
@ Sam_VH Willkommen in der JMP-Community! Als Faustregel gilt, dass Sie die Annahmen Ihrer quantitativen Analyse überprüfen sollten. Sie tun dies, um ein besseres Verständnis Ihres Modells zu erhalten, wie gut es die Daten beschreibt und wann Ihr Modell unzureichend ist und daher die Daten nicht gut beschreibt. Da Sie den Datensatz nicht angehängt haben, kann ich nur raten, was in Ihrem Datensatz möglicherweise vor sich geht. Es ist richtig, dass die zugrunde liegende Datenverteilung eine gewisse Robustheit der ANOVA aufweist, wenn Sie eine Analyse der Quadratsummen durchführen. Was genau ist die Antwortvariable? Ist das Messsystem konsistent? Haben Sie den Messfehler quantifiziert? Eine Bereinigung der Daten vor der quantitativen Analyse ist leider für fast jeden Datensatz erforderlich. Es gibt eine Reihe von Dingen zu suchen. Gibt es für Ihre Variabilität innerhalb der Behandlung (die Personen innerhalb der Altersgruppe) ungewöhnliche Datenpunkte? Transformationen können Datenunregelmäßigkeiten "bereinigen", dies macht jedoch auch die Interpretation schwieriger, da sich die Analyse auf die transformierten Daten bezieht. Was Sie tun können, ist eine Analyse verschiedener Transformationen sowie der Rohdaten durchzuführen und zu prüfen, wie die Ergebnisse verglichen werden. Findest Du ähnlich signifikante Effekte in allen Analysen (keine Sorge um den tatsächlichen Wert des p)? Wenn ja, dann spielt Transformation vielleicht keine Rolle. Wenn sie unterschiedlich sind, sollten Sie versuchen zu verstehen, warum.
Zusätzlich zu @ Statman Als Hilfe könnten Sie eine alternative Änderung an Ihrem Modell in Betracht ziehen. Transformationen sind eine bewährte Lösung, aber sie ändern die Bedeutung Ihrer Antwort. Eine andere Lösung besteht darin, auch die Varianz zu modellieren. Fügen Sie dem Varianzmodell einen Effekt hinzu, der das Restdiagramm stabilisieren könnte (entfernen Sie das Muster).
