MANOVA vs ANOVA a risposta multiplaCIAO,
nella finestra di dialogo Adatta modello, puoi adattare più variabili di risposta (Y) e testare l'effetto di più predittori. Ho notato che puoi farlo sia usando "Standard Least Square fitting" e scegliendo di adattare insieme le tue risposte, sia usando una MANOVA. I risultati dei due approcci sono piuttosto diversi.
La mia domanda è: qual è la differenza di interpretazione dei due modelli?
Grazie in anticipo per la risposta.
Analisi e modellazione dei dati di baseRe: MANOVA vs ANOVA a risposta multiplaCiao @gchelini ,
Potrebbe essere difficile aiutarti senza un set di dati e i risultati ottenuti.
In un modo molto teorico, i due approcci sono diversi, poiché MANOVA utilizza la covarianza tra le risposte per testare la significatività statistica delle differenze medie. I minimi quadrati standard/ANOVA standard per risposte multiple testano le differenze medie per ogni risposta separatamente/indipendentemente.
Maggiori informazioni qui: https://en.wikipedia.org/wiki/Multivariate_analysis_of_variance
La scelta di un metodo rispetto a un altro dipende principalmente dal tuo obiettivo e dal processo di raccolta dati, come puoi vedere, l'analisi MANOVA ha diverse personalità disponibili a seconda del processo di raccolta dati (ad esempio misurazioni ripetute): Ulteriori esempi della personalità Manova
Spero che questo ti aiuti a capire le principali differenze tra i metodi,
Re: MANOVA vs ANOVA a risposta multiplaGrazie per la risposta e le risorse fornite. Immagino che la mia domanda si riduca a come interpreto questa tabella riassuntiva (allegata)? Questa compare solo se decido di adattare tutte le mie variabili Y insieme.
Questo mi fornisce informazioni sui fattori che spiegano la maggior parte delle variazioni comuni tra le mie risposte?
Re: MANOVA vs ANOVA a risposta multiplaCiao @gchelini
Questo report è disponibile quando si adatta lo stesso modello a più risposte: report sui minimi quadrati
I valori p per gli effetti qui visualizzati sono i valori p minimi rilevati per una delle risposte.
Come esempio sul set di dati "Exercise" da JMP:
Pertanto, i valori p visualizzati in un report Riepilogo effetti per più risposte sono "conservativi", nel senso che visualizzeranno il valore p più basso trovato per ciascun effetto per una qualsiasi delle risposte considerate (per prevenire/evitare un "raffinamento aggressivo del modello" o la rimozione "accidentale" di un termine utile per adattare una risposta, ma non per le altre).
Ma comunque, ogni risposta viene adattata indipendentemente/separatamente con i fattori/termini, non c'è uso di covarianza tra le risposte come può essere fatto con MANOVA. Questo report può aiutarti a ridurre il modello se vedi che un termine ha un valore p elevato in questo report, poiché non sarà al di sotto di questo valore quando si adattano le risposte indipendentemente.
Spero che la mia risposta sia chiara?
