違反假設混合方差分析大家好
在我碩士論文的範圍內，我應該分析混合方差分析。 我研究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 4 個不同難度的平衡板上。 我選擇了混合方差分析，將年齡組和表面狀況作為固定效應，將參與者作為隨機效應。
檢查假設時，出現了以下問題：
1）殘差不是正態分佈的。 轉換數據（日誌）解決了這個問題，但我不確定結論的質量。 我讀過關於 ANOVA 的穩健性並且不必為此擔心太多，對嗎？
（注：首先，我跑了一個擬合模型（性格：混合模型），然後我保存了殘差。 之後，對殘差進行分佈分析。）
2）檢查同方差性時，這似乎也被違反了。 當檢查這個數據（沒有轉換）時，找到了下一個圖表。 我斷定這個假設被違反了。
在檢查 Log(data)（帶轉換）時，找到了下一個圖表。 我不確定這個... 這似乎沒問題，但我仍然不確定轉型。
所以現在，我不確定如何處理這些假設。 我應該堅持轉換，使用另一個修正，還是僅僅依賴方差分析的穩健性？
你能幫我解決這個問題嗎？
先感謝您！
附言： 我對使用 JMP 和統計模型不太有信心，所以如果你用相當簡單的語言回答就更好了。
分析數據表回复：違反假設混合方差分析非常感謝！ 我會再次檢查數據是否有任何異常。 之後，我會將其與原始數據進行比較，看看數據處理是否有問題。 不幸的是，我不知道大學的政策是如何考慮共享數據的，所以我必須在這樣做之前檢查一下。回复：違反假設混合方差分析此外@statman的幫助，您可能會考慮對您的模型進行替代更改。 轉換是一種行之有效的解決方案，但會改變您的響應的含義。 另一種解決方案是也對方差進行建模。 向可能穩定殘差圖的方差模型添加一個效應（消除模式）。
回复：違反假設混合方差分析@Sam_VH ，歡迎來到 JMP 社區！ 根據經驗，最好檢查定量分析的假設。 您這樣做是為了更好地了解您的模型，了解它對數據的描述有多好，以及有時您的模型不充分，因此不能很好地描述數據。 由於您沒有附加數據集，我只能猜測您的數據集中可能發生了什麼。 確實，當您對平方和進行分析時，方差分析對基礎數據分佈具有一定程度的穩健性。 響應變量到底是什麼？ 測量系統是否一致？ 你量化測量誤差了嗎？ 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。 有很多東西需要尋找。 對於您的治療內變異性（年齡組內的個體），是否有任何不尋常的數據點？ 轉換可以“清理”數據不規則性，但這也使解釋更具挑戰性，因為分析是針對轉換後的數據進行的。 您可以做的是對不同的轉換和原始數據進行分析，並比較結果如何。 你找到相似的在所有分析中都有顯著影響（不擔心 p 的實際值）？ 如果是這樣，那麼也許轉型並不重要。 如果它們不同，那麼您應該設法了解原因。
