Ich möchte eine einfache einseitige RM-ANOVA durchführen. Eine Gruppe, drei Zeitpunkte. Gibt es einen Unterschied zwischen den Zeitpunkten? Mich interessiert nur der Effekt der Zeit und dann paarweise Vergleiche (Tukey). Es handelt sich um ein Crossover-Design mit drei verschiedenen Belichtungen.
Ist es angemessen, dies auf der Plattform „Fit Y by X“ zu tun? Die relevante Antwortvariable ist Y und die „Zeit“ (in meinem Fall Sitzung) ist X? Ich bevorzuge diese Methode, da sie es einfach macht, Post-hoc-Tests direkt auf derselben Plattform durchzuführen.
Hier kann ich auch NACH Gruppe anpassen. Obwohl es im Projekt zwei Gruppen gibt, möchte ich diese primär getrennt analysieren (ein Modell für die eine Gruppe, eines für die andere, die Interaktion interessiert mich hier nicht, obwohl es eine sekundäre Analyse sein könnte).
Dh
Dies kann jedoch auch im Fit-Model-Ansatz erfolgen. Im MANOVA- Ansatz würde ich nur die drei Zeitpunkte auf Y setzen und nichts in den Modelleffekt (möglicherweise BY-Gruppe). Dies scheint eine höhere Aussagekraft zu haben. Ist das ausreichend?
Beim univariaten Ansatz „Modell anpassen“ würde ich die Antwortvariable als Y und „Zeit“ sowie als Subjekt [Zufallseffekt] in den Modelleffekt einsetzen. Dies scheint eine sogar etwas höhere Leistung zu haben (kleineres P für dieselben Daten).
(Und möglicherweise nach Gruppe)
Was ist der praktische/statistische Unterschied zwischen diesen Ansätzen? Welcher ist für dieses recht einfache Design am geeignetsten?
Ich denke, ich möchte dies tun, so wie Paris im Video zur Ein-Faktor-Analyse wiederholter Messungen.
Oder ist es vielleicht die Art, es zu tun, ohne die ID als Zufallsfaktor einzuführen und die Kleinstquadrate-Persönlichkeit beizubehalten?
Dadurch werden Effekttests für die Zeit ermöglicht und die Möglichkeit für Tukeys und ähnliche Kontraste geschaffen.
Möglicherweise wird es bei der Anpassung von Y durch X nicht als wiederholte Messung behandelt, sondern als drei separate Gruppen.
