Hallo zusammen
Im Rahmen meiner Masterarbeit soll ich eine gemischte ANOVA analysieren. Ich untersuche die posturale Kontrolle von Kindern und Erwachsenen bei unterschiedlichen Oberflächenbedingungen. Der Testablauf war wie folgt: Alle Teilnehmer, aufgeteilt in Altersgruppen (16 Kinder und 17 Erwachsene), standen auf 4 Balance Boards unterschiedlicher Schwierigkeit. Ich entschied mich für eine gemischte ANOVA, mit Altersgruppe und Oberflächenbeschaffenheit als festen Effekten und Teilnehmer als Zufallseffekt.
Bei der Überprüfung der Annahmen traten folgende Probleme auf:
1) Die Residuen waren nicht normalverteilt. Das Transformieren der Daten (Protokoll) hat dies gelöst, aber dann bin ich mir über die Qualität der Schlussfolgerungen nicht sicher. Ich habe gelesen, dass ANOVA robust ist, und ich brauche mir darüber keine allzu großen Sorgen zu machen, ist das richtig?
(Hinweis: Zuerst habe ich ein Fit-Modell ausgeführt (Persönlichkeit: gemischtes Modell), dann habe ich die Residuen gespeichert. Anschließend wurden die Residuen zur Verteilung analysiert.)
2) Bei der Prüfung auf Homoskedastizität schien diese ebenfalls verletzt zu sein. Bei der Überprüfung der Daten (ohne Transformation) wurde der nächste Graph gefunden. Ich kam zu dem Schluss, dass diese Annahme verletzt wurde.
Bei der Überprüfung der Log(Daten) (mit Transformation) wurde die nächste Grafik gefunden. Bei diesem bin ich mir nicht sicher... Das scheint in Ordnung zu sein, aber ich bin mir immer noch unsicher über die Transformation.
Im Moment bin ich mir nicht sicher, wie ich mit diesen Annahmen umgehen soll. Soll ich bei der Transformation bleiben, eine andere Korrektur verwenden oder mich einfach auf die Robustheit einer ANOVA verlassen?
Könnt ihr mir dabei helfen?
Vielen Dank im Voraus!
PS: Ich bin nicht sehr zuversichtlich, JMP und statistische Modelle zu verwenden, daher wäre es schön, wenn Sie in einer eher einfachen Sprache antworten würden.
Zusätzlich zu @Statman Hilfe von , könnten Sie eine alternative Änderung an Ihrem Modell in Erwägung ziehen. Transformationen sind eine bewährte Lösung, ändern aber die Bedeutung Ihrer Antwort. Eine andere Lösung besteht darin, auch die Varianz zu modellieren. Fügen Sie dem Varianzmodell einen Effekt hinzu, der das Residuendiagramm stabilisieren könnte (beseitigen Sie das Muster).
@Sam_VH , willkommen in der JMP-Community! Als Faustregel gilt, dass es gut ist, die Annahmen Ihrer quantitativen Analyse zu überprüfen. Sie tun dies, um Ihr Modell besser zu verstehen, wie gut es die Daten beschreibt und es gibt Zeiten, in denen Ihr Modell unzureichend ist und die Daten daher nicht gut beschreibt. Da Sie den Datensatz nicht angehängt haben, muss ich nur raten, was in Ihrem Datensatz vor sich gehen könnte. Es stimmt, dass die ANOVA gegenüber der zugrunde liegenden Datenverteilung ein gewisses Maß an Robustheit aufweist, wenn Sie Analysen mit 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, nach denen Sie suchen müssen. Gibt es für Ihre Variabilität innerhalb der Behandlung (die Personen innerhalb der Altersgruppe) ungewöhnliche Datenpunkte? Transformationen können Datenunregelmäßigkeiten "bereinigen", aber dies erschwert auch die Interpretation, da die Analyse auf den transformierten Daten erfolgt. Was Sie tun können, ist eine Analyse verschiedener Transformationen sowie der Rohdaten durchzuführen und zu sehen, wie sich die Ergebnisse vergleichen lassen. Findest du ähnlich signifikante Effekte in allen Analysen (keine Sorge um den tatsächlichen Wert von p)? Wenn ja, dann spielt Transformation vielleicht keine Rolle. Wenn sie anders sind, dann sollten Sie versuchen zu verstehen, warum.
