Quiero hacer un análisis de varianza de RM unidireccional simple. Un grupo, tres puntos temporales. ¿Existe una diferencia entre los puntos temporales? Solo me interesa el efecto del tiempo y luego las comparaciones por pares (Tukey). Es un diseño cruzado con tres exposiciones diferentes.
¿Es adecuado hacer esto en la plataforma Fit Y by X ? ¿La variable de respuesta de interés en Y y "Tiempo" (sesión en mi caso) en X? Prefiero esta forma, ya que facilita la realización de pruebas post-hoc directamente en la misma plataforma.
Aquí también puedo adaptar el grupo BY. Si bien hay dos grupos en el proyecto, principalmente quiero analizarlos por separado (un modelo para un grupo, uno para el otro; no me interesa la interacción aquí, aunque podría ser un análisis secundario).
Es decir
Sin embargo, también se puede hacer con el método Fit Model . En el método MANOVA , simplemente pondría los tres puntos temporales en Y y nada en el efecto del modelo (posiblemente el grupo BY). Esto parece tener mayor potencia. ¿Es esto adecuado?
En el enfoque univariado del modelo de ajuste, yo pondría la variable de respuesta como Y y "Tiempo" así como el sujeto [Efecto aleatorio] en el efecto del modelo. Esto parece tener una potencia incluso ligeramente superior (P menor para los mismos datos).
(Y potencialmente por grupo)
¿Cuál es la diferencia práctica/estadística entre estos enfoques? ¿Cuál es el más adecuado para este diseño tan simple?
Supongo que esto es lo que quiero hacer, como París en el vídeo de Análisis de medidas repetidas de un factor.
¿O tal vez, esta es la manera de hacerlo, sin poner la identificación como un factor aleatorio y manteniendo la personalidad de Mínimos Cuadrados?
Lo que proporciona pruebas de efecto para el tiempo y da la posibilidad de Tukeys y contrastes similares.
Tal vez, en el Fit Y por X no se trata como una medida repetida sino como tres grupos separados.
