여러분 모두에게,
MANOVA를 선택한 후 모형 적합에서 응답 유형을 지정(또는 소위 M-매트릭스를 정의)해야 합니다. 다른 소프트웨어(SPSS, JASP)에서는 표준으로 IDENTITY 응답이 사용됩니다(identity m-matrix). 데이터 해석에 대한 다른 응답의 의미와 어떤 가설 검정에 유용할 때 더 자세한 설명이 있는지 궁금합니다. 어떤 방식으로 정보를 캡처하는 설문지에서 5개 항목의 구성이 있다고 가정해 보겠습니다. 다른 응답 유형을 사용하는 경우 이 구성의 해석에 어떤 의미가 있습니까?
미리 감사드립니다.
르네
친애하는 레베이 님,
여러분의 관심과 지원에 감사드립니다. 이 요청을 온라인에 올리기 전에 나는 이미 이 정보를 읽었습니다. 나는 그 뒤에 기술을 얻습니다. 그러나 그것은 내가 찾고 있는 응답 유형의 해석입니다. 나는 SPSS에서 대조를 정의하고 해석하고 사용하는 데 익숙합니다. 편차는 JMP Manova의 평균 응답 유형처럼 보입니다. 하지만 저는 JMP에서 제공하는 다변량 응답 유형의 해석에 익숙하지 않습니다. 인터넷을 검색해봐도 해당 질문에 대한 답을 찾을 수 없습니다. 귀하의 답변에 다시 한 번 감사드립니다.
르네
안녕하세요 르네,
M 행렬을 사용하면 JMP의 기본 MANOVA 보고서에 표시되는 다양한 반응 매개변수 간의 가설을 테스트할 수 있습니다.
제시한 예(예: 설문 조사 항목)와 관련하여 아래의 샘플 데이터 테이블 "Online Consumer Data.jmp"를 사용하여 비교적 간단한 MANOVA 모델을 실행하고 있습니다. 여기서 우리의 결과는 온라인 웹사이트의 인지된 평판에 대한 설문조사의 응답을 나타내는 3개 항목이며, "여성" 변수의 효과를 테스트하려고 합니다. 따라하려면 이 JSL 스크립트를 자유롭게 실행해 보세요.
dt = Open("$SAMPLE_DATA\Online Consumer Data.jmp");
dt << Fit Model(
Y( :Reput_1, :Reput_2, :Reput_3 ),
Effects( :Female ),
Personality( "Manova" ),
Run
);
기본 보고서에는 모델의 매개변수 추정치 매트릭스가 표시됩니다.
이제 "응답 선택" 드롭다운을 사용하여 이러한 응답 매개변수 간의 가설 테스트를 시작할 수 있습니다. M이 단위 행렬인 경우 이 매개변수 추정 행렬의 응답 열을 변경하지 않고 그대로 두고 "이 다변량 시스템에서 전체적으로 여성의 영향이 있습니까?"라고 묻습니다. 대답은 '예'입니다.
"M-변환 매개변수 추정치" 개요 상자를 열면 변경되지 않은 매개변수 추정치가 표시됩니다(기술적으로 M 행렬은 Parm Est 행렬을 사후 곱하므로 변환된 추정치를 얻는 방법입니다). 추가 해석을 위해 "예, 응답에 남성과 여성 사이에 상당한 차이가 있습니다"라고 말하고 추정치 및/또는 최소 제곱 평균 도표를 살펴보면 해당 결과를 좀 더 해석하는 데 도움이 될 수 있습니다. 그러나 때로는 이것이 세부 사항이 충분하지 않아 누군가가 여성이 특정 분야에 영향을 미치는지 알고 싶어할 수도 있습니다. 콤비네이션 Parm Est 행렬의 열 중 모든 응답의 합계에 효과가 있는지 알고 싶다고 가정해 보겠습니다. 이를 위해 "응답 선택" 드롭다운에서 "합계"를 선택하면 대답이 '예'라는 것을 다시 볼 수 있습니다. 상당한 효과가 있습니다.
Female에는 2개의 레벨이 있고 "Sum" 옵션을 사용하면 Parm Est 행렬이 벡터로 줄어들기 때문에 해석이 훨씬 쉽습니다. 그래서 우리는 "3가지 항목에 대한 인지된 평판의 합을 보면 남성과 여성 사이에 상당한 차이가 있다"고 말할 수 있습니다. 음의 Female[0] 추정치는 남성이 이러한 응답에서 더 낮은 합계를 가짐을 나타냅니다."
이러한 데이터에 대해 다른 M 선택을 사용하는 것은 의미가 없을 수 있습니다. 예를 들어 "프로필" 옵션은 반복 측정을 나타내는 결과에 가장 유용할 것입니다. "프로필" 옵션 위로 마우스를 가져가면 다음 설명이 표시됩니다.
이는 우리 예에서 항목 1과 2, 항목 2와 3 사이의 차이에 "여성"의 효과가 있는지 물어볼 것임을 시사합니다. 나는 이것이 이러한 데이터에 대해서는 별로 의미가 없다고 생각하지만, 데이터가 반복 측정인 경우 이 옵션은 "한 경우에서 다음 경우까지 남성과 여성 사이에 차이가 있습니까?"라는 시간별 차이를 테스트할 것입니다.
아시다시피 출력에는 M에 대한 다른 옵션이 있습니다. 행렬과 변환된 Parm Est를 보면 어떤 가설이 테스트되고 있는지 확인할 수 있습니다.
마지막으로, 테스트의 DF는 테스트에서 얻는 "세부사항" 수준을 공개한다고 덧붙일 것입니다. "합계" 옵션을 사용하여 해석을 매우 구체적으로 할 수 있었으며 DF = 1이기 때문에 이는 놀라운 일이 아닙니다. "ID" 옵션은 3 DF 테스트를 제공했습니다. 즉, 차이점이 있다는 것을 알고 있지만 이러한 차이점은 응답의 "어딘가"에 있습니다.
HTH,
~로라 CS
오! 설명하신 대로 설문조사 데이터가 있는 경우 구조 방정식 모델 플랫폼이 구성을 직접 모델링하고 모델의 측정 오류를 설명할 수 있으므로 특히 도움이 될 수 있다는 점을 덧붙일 것입니다.
