Carissimi,
In Fit Model dopo aver selezionato MANOVA devo specificare il tipo di risposta (o definire la cosiddetta M-matrix). Standard in altri software (SPSS, JASP) viene utilizzata la risposta IDENTITY (identity m-matrix). Mi chiedevo se esiste una spiegazione più elaborata di cosa significano le altre risposte per l'interpretazione dei tuoi dati e quando sono utili per quale test di ipotesi. Supponiamo che io abbia un costrutto di 5 elementi in un questionario che cattura informazioni in qualche modo, cosa significherebbe per l'interpretazione di questo costrutto se utilizzassi diversi tipi di risposta.
Grazie in anticipo,
rene
Caro Levei,
Grazie per il tuo interesse e supporto. Prima di mettere online questa richiesta ho già letto questa informativa. Capisco la tecnica dietro. Ma è l'interpretazione dei tipi di risposta che sto cercando. Sono abituato a definire, interpretare e utilizzare i contrasti in SPSS. La deviazione assomiglia in qualche modo al tipo di risposta media in JMP Manova. Tuttavia, non ho familiarità con l'interpretazione dei tipi di risposta multivariata offerti in JMP. Quando cerco su Internet non trovo la risposta a questa domanda. Spero di essere stato chiaro, ancora una volta grazie per la risposta.
René
Ciao René,
La matrice M consente di testare ipotesi tra i diversi parametri di risposta, che vengono visualizzati nel report MANOVA predefinito in JMP.
Per fare riferimento all'esempio che hai proposto (ovvero, elementi di un sondaggio), sto utilizzando di seguito la tabella dei dati di esempio "Online Consumer Data.jmp" per eseguire un modello MANOVA relativamente semplice. In questo caso, i nostri risultati sono 3 elementi che rappresentano le risposte a un sondaggio sulla reputazione percepita di un sito Web online e vogliamo solo testare l'effetto della variabile "Femmina". Sentiti libero di eseguire questo script JSL per seguire:
dt = Open("$SAMPLE_DATA\Online Consumer Data.jmp");
dt << Fit Model(
Y( :Reput_1, :Reput_2, :Reput_3 ),
Effects( :Female ),
Personality( "Manova" ),
Run
);
Il report predefinito mostra la matrice delle stime dei parametri del modello:
Ora puoi utilizzare il menu a discesa "Scegli risposta" per iniziare a testare le ipotesi tra questi parametri di risposta. Quando M è la matrice di identità, lasciamo semplicemente invariate le colonne di risposta di questa matrice di stime dei parametri e chiediamo "esiste un effetto della Femmina in generale in questo sistema multivariato?" La risposta è si:
Si noti che aprendo la casella di riepilogo "Stime dei parametri trasformate in M" verranno visualizzate le stime dei parametri invariate (tecnicamente, la matrice M postmoltiplica la matrice Parm Est, quindi è così che si ottengono le stime trasformate). Per un'ulteriore interpretazione, diremmo "sì, c'è una differenza significativa tra maschi e femmine nelle nostre risposte" e osservare le stime e/o i grafici delle medie dei minimi quadrati può aiutare a interpretare questi risultati un po' di più. Ma a volte questi dettagli non sono sufficienti, tanto che qualcuno potrebbe voler sapere se la Femmina ha un effetto in un particolare combinazione delle colonne della matrice Parm Est. Diciamo che vogliamo sapere se c'è un effetto nella somma di tutte le nostre risposte. Per questo, selezioniamo "Somma" nel menu a discesa "Scegli risposta" e possiamo vedere di nuovo che la risposta è sì, c'è un effetto significativo:
L'interpretazione qui è molto più semplice perché Female ha 2 livelli e l'opzione "Sum" ha portato a ridurre la nostra matrice Parm Est in un semplice vettore. Quindi possiamo dire che "c'è una differenza significativa tra uomini e donne quando si considera la somma della reputazione percepita sui nostri 3 elementi. La stima negativa di Femmina[0] indica che i maschi hanno una somma inferiore in queste risposte."
Utilizzare altre scelte di M per questi dati potrebbe non avere alcun senso... ad esempio, l'opzione "Profilo" è probabilmente più utile per i risultati che rappresentano misure ripetute. Se passi il mouse sopra l'opzione "Profilo", troverai questa descrizione
che nel nostro esempio suggerisce che chiederemo se c'è un effetto di "Femmina" nella differenza tra gli elementi 1 e 2 e tra gli elementi 2 e 3. Non penso che questo abbia molto senso per questi dati, ma se i dati fossero misurazioni ripetute, questa opzione testerebbe le differenze di volta in volta "ci sono differenze tra maschi e femmine da un'occasione all'altra?"
Come sai, ci sono altre opzioni per M nell'output... guardando la matrice e il Parm Est trasformato, sarai in grado di vedere quale ipotesi viene testata.
Infine, aggiungerò che il DF di un test svela il livello di "dettaglio" che ottieni dal test. Usando l'opzione "Somma", siamo stati in grado di essere molto specifici riguardo alla nostra interpretazione, e non è una sorpresa perché DF = 1. L'opzione "Identità" ci ha fornito un test 3 DF, il che significa che sappiamo che ci sono differenze ma tali differenze sono "da qualche parte" nelle nostre risposte.
HTH,
~Laura CS
OH! Aggiungerò che se disponi di dati di sondaggio come hai descritto, la piattaforma dei modelli di equazioni strutturali potrebbe essere particolarmente utile, in quanto può modellare direttamente il tuo costrutto e tenere conto degli errori di misurazione nei tuoi modelli.
