违反假设混合方差分析大家好
在我硕士论文的范围内，我应该分析混合方差分析。 我研究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 4 个不同难度的平衡板上。 我选择了混合方差分析，将年龄组和表面状况作为固定效应，将参与者作为随机效应。
检查假设时，出现了以下问题：
1）残差不是正态分布的。 转换数据（日志）解决了这个问题，但我不确定结论的质量。 我读过关于 ANOVA 的稳健性并且不必为此担心太多，对吗？
（注：首先，我跑了一个拟合模型（性格：混合模型），然后我保存了残差。 之后，对残差进行分布分析。）
2）检查同方差性时，这似乎也被违反了。 当检查这个数据（没有转换）时，找到了下一个图表。 我断定这个假设被违反了。
在检查 Log(data)（带转换）时，找到了下一个图表。 我不确定这个... 这似乎没问题，但我仍然不确定转型。
所以现在，我不确定如何处理这些假设。 我应该坚持转换，使用另一个修正，还是仅仅依赖方差分析的稳健性？
你能帮我解决这个问题吗？
先感谢您！
附言： 我对使用 JMP 和统计模型不太有信心，所以如果你用相当简单的语言回答就更好了。
分析数据表回复：违反假设混合方差分析非常感谢！ 我会再次检查数据是否有任何异常。 之后，我会将其与原始数据进行比较，看看数据处理是否有问题。 不幸的是，我不知道大学的政策是如何考虑共享数据的，所以我必须在这样做之前检查一下。回复：违反假设混合方差分析此外@statman的帮助，您可能会考虑对您的模型进行替代更改。 转换是一种行之有效的解决方案，但会改变您的响应的含义。 另一种解决方案是也对方差进行建模。 向可能稳定残差图的方差模型添加一个效应（消除模式）。
回复：违反假设混合方差分析@Sam_VH ，欢迎来到 JMP 社区！ 根据经验，最好检查定量分析的假设。 您这样做是为了更好地了解您的模型，了解它对数据的描述有多好，以及有时您的模型不充分，因此不能很好地描述数据。 由于您没有附加数据集，我只能猜测您的数据集中可能发生了什么。 确实，当您对平方和进行分析时，方差分析对基础数据分布具有一定程度的稳健性。 响应变量到底是什么？ 测量系统是否一致？ 你量化测量误差了吗？ 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。 有很多东西需要寻找。 对于您的治疗内变异性（年龄组内的个体），是否有任何不寻常的数据点？ 转换可以“清理”数据不规则性，但这也使解释更具挑战性，因为分析是针对转换后的数据进行的。 您可以做的是对不同的转换和原始数据进行分析，并比较结果如何。 你找到相似的在所有分析中都有显着影响（不担心 p 的实际值）？ 如果是这样，那么也许转型并不重要。 如果它们不同，那么您应该设法了解原因。
