違反假設混合方差分析大家好
在我的碩士論文範圍內，我應該分析混合方差分析。 我研究在不同表麵條件下兒童和成人的姿勢控制。 測試程序如下：所有參與者，分為年齡組（16名兒童和17名成人），站在不同難度的4個平衡板上。 我參加了一項混合方差分析，其中年齡組和表面狀況為固定效應，參與者為隨機效應。
在檢查假設時，出現以下問題：
1）殘差沒有正態分佈。 轉換數據（日誌）可以解決此問題，但是我不確定結論的質量。 我讀過有關方差分析的強大功能，不必為此擔心太多，對嗎？
（注意：首先，我運行一個擬合模型（個性：混合模型），然後保存殘差。 之後，分析殘差以進行分佈。）
2）在檢查同方性時，這似乎也被違反。 在檢查數據時（不進行轉換）時，找到了下一個圖。 我認為這個假設被違反了。
在檢查Log（data）（進行轉換）時，找到了下一個圖形。 我不確定這件事... 這似乎還可以，但是我仍然不確定這種轉變。
所以現在，我不確定如何處理這些假設。 我應該堅持變換，使用其他校正還是僅依靠方差分析的魯棒性？
你能幫我解決這個問題嗎？
先感謝您！
PS： 我對使用JMP和統計模型不是很自信，因此如果您使用相當簡單的語言來回答，那將是很好的。
分析工具數據表回复：違反假設混合方差分析@Sam_VH ，歡迎加入JMP社區！ 根據經驗，最好檢查定量分析的假設。 這樣做是為了更好地理解模型，模型描述數據的程度以及模型不足以至於不能很好地描述數據的時間。 由於您沒有附加數據集，因此我只能猜測數據集中可能發生的情況。 的確，在對平方和進行分析時，ANOVA對基礎數據分佈具有一定程度的魯棒性。 響應變量到底是什麼？ 測量系統是否一致？ 您是否量化了測量誤差？ 不幸的是，幾乎所有數據集都需要在定量分析之前清理數據。 有很多東西要尋找。 對於您的治療內變異性（年齡組內的個體），是否有任何異常數據點？ 轉換可以“清理”數據不規則性，但是由於對轉換後的數據進行分析，因此這也使解釋更具挑戰性。 您可以做的是對不同的轉換以及原始數據進行分析，並尋找結果的比較方式。 你找到相似的在所有分析中有重大影響（不必擔心p的實際值）？ 如果是這樣，那麼轉型也許無關緊要。 如果它們不同，那麼您應該設法了解原因。
回复：違反假設混合方差分析此外@statman在您的幫助下，您可以考慮對模型進行替代更改。 轉換是一種行之有效的解決方案，但是改變了您的響應的含義。 另一個解決方案是對方差建模。 向方差模型添加可能穩定殘差圖（消除模式）的效果。
回复：違反假設混合方差分析非常感謝！ 我將再次檢查數據是否有任何異常情況。 然後，我將其與原始數據進行比較，以查看數據處理中是否出現任何錯誤。 不幸的是，我不知道大學政策考慮的是數據共享，因此我必須先檢查一下這一點。
