Test per una differenza nella varianza in una variabile quando c'è un effetto casualeUtilizzo del "Modello di adattamento"Sto prevedendo la mia variabile dipendente utilizzando una variabile nominale dicotomica "Tipo" e una variabile "Campione", che è un effetto casuale (nel linguaggio JMP, ovviamente; alcuni preferirebbero chiamare "Campione" una variabile casuale).In questo modo si verifica se i due "Tipi" differiscono sul mio DV, tenendo sempre presente che "Campione" è un effetto casuale.
È interessante notare che le medie campionarie per un "Tipo" sono molto più distribuite rispetto alle medie campionarie per l'altro "Tipo". Posso condurre un test di significatività sulla differenza nelle varianze usando un test F, se sono disposto a usare solo le medie campionarie. Ma questo non è del tutto kosher, perché le medie campionarie sono stimate con errore e, idealmente, questo dovrebbe essere preso in considerazione. Non riesco a capire come farlo, però. Forse "Mixed Models" ha questa capacità. (Ho JMP Pro 16.)
Questo è probabilmente un po' "in sordina" per questo gruppo, ma se qualcuno ha qualche idea, gliene sarei grato. Allego alcuni dati. DV=Paraphilia Vector 1, Type è il predittore di interesse e Sample è l'effetto casuale.
Modellazione statistica avanzataRicerca sui consumatori e sul mercatoEsplorazione e visualizzazione dei datiRe: Test per una differenza di varianza in una variabile quando c'è un effetto casualeNon sono sicuro del motivo per cui dici Sample è una variabile casuale. Hai assegnato livelli (classi) specifici a ciascuna osservazione. Il campione potrebbe essere casuale, ma i livelli non lo sono.
È possibile utilizzare Fit Model per definire il modello e modificare la personalità di adattamento in Varianza loglineare . I tuoi dati non sono le condizioni ideali per qualcosa di più di un semplice modello di effetti principali. Ho assegnato Campione come effetto di posizione e Tipo come effetto di diffusione. Non ho potuto includere Tipo come effetto posizione perché è confuso con Campione. Includendo entrambe le variabili come effetti di posizione.
Ma posso includere Tipo come effetto di diffusione per verificare la tua ipotesi.
Il modello stimato da questa specifica non presenta problemi fondamentali, ma potrebbe comunque essere insoddisfacente.
Sembra che la varianza sia significativamente diversa per i due livelli di Tipo.
