违反假设混合方差分析大家好
在我的硕士论文范围内，我应该分析混合方差分析。 我研究在不同表面条件下儿童和成人的姿势控制。 测试程序如下：所有参与者，分为年龄组（16名儿童和17名成人），站在不同难度的4个平衡板上。 我参加了一项混合方差分析，其中年龄组和表面状况为固定效应，参与者为随机效应。
在检查假设时，出现以下问题：
1）残差没有正态分布。 转换数据（日志）可以解决此问题，但是我不确定结论的质量。 我读过有关方差分析的强大功能，不必为此担心太多，对吗？
（注意：首先，我运行一个拟合模型（个性：混合模型），然后保存残差。 之后，分析残差以进行分布。）
2）在检查同方性时，这似乎也被违反。 在检查数据时（不进行转换）时，找到了下一个图。 我认为这个假设被违反了。
在检查Log（data）（进行转换）时，找到了下一个图形。 我不确定这件事... 这似乎还可以，但是我仍然不确定这种转变。
所以现在，我不确定如何处理这些假设。 我应该坚持变换，使用其他校正还是仅依靠方差分析的鲁棒性？
你能帮我解决这个问题吗？
先感谢您！
PS： 我对使用JMP和统计模型不是很自信，因此如果您使用相当简单的语言来回答，那将是很好的。
分析工具数据表回复：违反假设混合方差分析@Sam_VH ，欢迎加入JMP社区！ 根据经验，最好检查定量分析的假设。 这样做是为了更好地理解模型，模型描述数据的程度以及模型不足以至于不能很好地描述数据的时间。 由于您没有附加数据集，因此我只能猜测数据集中可能发生的情况。 的确，在对平方和进行分析时，ANOVA对基础数据分布具有一定程度的鲁棒性。 响应变量到底是什么？ 测量系统是否一致？ 您是否量化了测量误差？ 不幸的是，几乎所有数据集都需要在定量分析之前清理数据。 有很多东西要寻找。 对于您的治疗内变异性（年龄组内的个体），是否有任何异常数据点？ 转换可以“清理”数据不规则性，但是由于对转换后的数据进行分析，因此这也使解释更具挑战性。 您可以做的是对不同的转换以及原始数据进行分析，并寻找结果的比较方式。 你找到相似的在所有分析中有重大影响（不必担心p的实际值）？ 如果是这样，那么转型也许无关紧要。 如果它们不同，则应设法了解原因。
回复：违反假设混合方差分析此外@statman在您的帮助下，您可以考虑对模型进行替代更改。 转换是一种行之有效的解决方案，但是改变了您的响应的含义。 另一个解决方案是对方差建模。 向方差模型添加可能稳定残差图（消除模式）的效果。
回复：违反假设混合方差分析非常感谢！ 我将再次检查数据是否有任何异常情况。 然后，我将其与原始数据进行比较，以查看数据处理中是否出现任何错误。 不幸的是，我不知道大学政策考虑的是数据共享，因此我必须先检查一下这一点。
