Voglio fare una semplice 1-Way RM-ANOVA. Un gruppo, tre punti temporali. C'è una differenza tra i punti temporali. Sono interessato solo all'effetto del tempo e poi ai confronti a coppie (Tukey). È un design cross-over con tre esposizioni diverse.
È adeguato farlo nella piattaforma Fit Y by X ? La variabile di risposta di interesse su Y e "Tempo" (sessione nel mio caso) su X? Preferisco questo modo, rendendo semplice eseguire test post-hoc direttamente nella stessa piattaforma.
Qui posso anche adattare BY group. Sebbene ci siano due gruppi nel progetto, voglio principalmente analizzarli separatamente (un modello per un gruppo, uno per l'altro, non sono interessato all'interazione qui, mentre potrebbe essere un'analisi secondaria).
I.e.
Tuttavia, può essere fatto anche nell'approccio Fit Model . Nell'approccio MANOVA , metterei semplicemente i tre punti temporali su Y e niente nell'effetto modello (potenzialmente gruppo BY). Questo sembra avere una potenza maggiore. È adeguato?
Nell'approccio univariato del modello Fit, metterei la variabile di risposta come Y e "Tempo" così come soggetto[Effetto casuale] nell'effetto del modello? Questo sembra avere una potenza ancora leggermente maggiore (P più piccola per gli stessi dati).
(E potenzialmente per gruppo)
Qual è la differenza pratica/statistica per questi approcci? Quale è il più adeguato, per questo design piuttosto semplice?
Credo che questo sia ciò che voglio fare, come Paris nel video sull'analisi delle misure ripetute di un fattore.
O forse è questo il modo di procedere, non considerando l'ID un fattore casuale e mantenendo la personalità dei minimi quadrati?
Che fornisce i test sugli effetti del Tempo e offre la possibilità di Tukeys e contrasti simili.
Forse, nel Fit Y per X non viene trattato come una misura ripetuta ma come tre gruppi separati.
