MANOVA vs ANOVA de respuesta múltipleHola,
En el cuadro de diálogo Ajustar modelo, puede ajustar múltiples variables de respuesta (Y) y probar el efecto de múltiples predictores. He observado que puede hacer esto utilizando el “ajuste de mínimos cuadrados estándar” y elegir ajustar sus respuestas juntas, o utilizando un MANOVA. Los resultados de los dos enfoques son bastante diferentes.
Mi pregunta es ¿cuál es la diferencia de interpretación de los dos modelos?
Gracias de antemano por su respuesta.
Análisis y modelado de datos básicosRe: MANOVA vs ANOVA de respuesta múltipleHola @gchelini ,
Quizás sea difícil ayudarle sin un conjunto de datos y los resultados obtenidos.
En un sentido muy teórico, los dos enfoques son diferentes, ya que el método MANOVA utiliza la covarianza entre las respuestas para probar la significancia estadística de las diferencias de medias. Los mínimos cuadrados estándar o el método ANOVA estándar para respuestas múltiples prueban las diferencias de medias para cada respuesta por separado o de forma independiente.
Más información aquí: https://en.wikipedia.org/wiki/Multivariate_analysis_of_variance
La elección de un método sobre otro depende principalmente de su objetivo y del proceso de recopilación de datos, como puede ver, el análisis MANOVA tiene varias personalidades disponibles según el proceso de recopilación de datos (por ejemplo, mediciones repetidas): Ejemplos adicionales de la personalidad Manova
Esperamos que esto te ayude a comprender las principales diferencias entre los métodos.
Re: MANOVA vs ANOVA de respuesta múltipleGracias por tu respuesta y los recursos proporcionados. Supongo que mi pregunta se reduce a cómo interpreto esta tabla de resumen (adjunta). Esto aparece solo si decido ajustar todas mis variables Y juntas.
¿Esto me proporciona información sobre los factores que explican la mayor parte de la variación común entre mis respuestas?
Re: MANOVA vs ANOVA de respuesta múltipleHola @gchelini
Este informe está disponible cuando se ajusta el mismo modelo a múltiples respuestas: Informe de ajuste de mínimos cuadrados
Los valores p para los efectos que se muestran aquí son los valores p mínimos detectados para una de las respuestas.
Como ejemplo del conjunto de datos "Ejercicio" de JMP:
Por lo tanto, la visualización de los valores p en un informe de Resumen de efectos para múltiples respuestas es "conservadora" en el sentido de que mostrará el valor p más bajo encontrado para cada efecto para cualquiera de las respuestas consideradas (para prevenir/evitar un "refinamiento agresivo del modelo" o la eliminación "accidental" de un término que es útil para ajustar una respuesta, pero no en las otras).
Pero, aun así, cada respuesta se ajusta de forma independiente/separada con los factores/términos, no se utiliza la covarianza entre respuestas como se puede hacer con MANOVA. Este informe puede ayudarle a reducir el modelo si ve que un término tiene un valor p alto en este informe, ya que no estará por debajo de este valor al ajustar las respuestas de forma independiente.
¿Espero que mi respuesta sea clara?
