Testen auf einen Unterschied in der Varianz einer Variablen, wenn ein Zufallseffekt vorliegtVerwenden von „Modell anpassen“Ich prognostiziere meine abhängige Variable mithilfe einer dichotomen nominalen Variable „Typ“ sowie einer Variable „Stichprobe“, die ein Zufallseffekt ist (also in der JMP-Sprache; manche würden „Stichprobe“ lieber als Zufallsvariable bezeichnen).Dadurch wird getestet, ob sich die beiden „Typen“ auf meinem DV unterscheiden, wobei erneut berücksichtigt wird, dass „Sample“ ein Zufallseffekt ist.
Interessanterweise sind die Stichprobenmittelwerte für einen „Typ“ viel stärker gestreut als die Stichprobenmittelwerte für den anderen „Typ“. Ich kann einen Signifikanztest für die Unterschiede in den Varianzen mit einem F-Test durchführen, wenn ich nur die Stichprobenmittelwerte verwenden möchte. Das ist jedoch nicht ganz in Ordnung, da die Stichprobenmittelwerte mit Fehlern geschätzt werden und dies im Idealfall berücksichtigt werden sollte. Ich kann jedoch nicht herausfinden, wie das geht. Vielleicht bietet „Mixed Models“ diese Möglichkeit. (Ich habe JMP Pro 16.)
Das ist für diese Gruppe wahrscheinlich ein bisschen zu kompliziert, aber wenn jemand eine Idee hat, wäre ich dankbar. Ich füge einige Daten bei. DV = Paraphilie-Vektor 1, Typ ist der relevante Prädiktor und Stichprobe ist der Zufallseffekt.
Erweiterte statistische ModellierungKonsumenten- und MarktforschungDatenexploration und -visualisierungBetreff: Testen auf einen Unterschied in der Varianz einer Variablen, wenn es einen Zufallseffekt gibtIch bin mir nicht sicher, warum Sie sagen, dass Sample eine Zufallsvariable ist. Sie haben jeder Beobachtung bestimmte Ebenen (Klassen) zugeordnet. Die Stichprobe kann zufällig sein, aber die Ebenen sind es nicht.
Sie können Modell anpassen verwenden, um das Modell zu definieren und die Anpassungspersönlichkeit zu ändern Loglineare Varianz . Deine Daten sind wohl keine Voraussetzungen für mehr als ein einfaches Haupteffektmodell. Ich habe Sample als Location-Effekt und Type als Spread-Effekt zugewiesen. Ich konnte Typ nicht als Positionseffekt einbeziehen, da er mit Muster verwechselt wird. Berücksichtigung beider Variablen als Standorteffekte.
Aber ich kann Type als Spread-Effekt einbeziehen, um Ihre Hypothese zu testen.
Das geschätzte Modell aus dieser Spezifikation weist keine grundlegenden Probleme auf, aber es könnte immer noch unbefriedigend sein.
Es scheint, dass die Varianz für die beiden Ebenen des Typs signifikant unterschiedlich ist.
