Badam, czy różne warunki nagrody mogą wpływać na wykonanie zadania. Mam dane z małego badania z dwiema grupami, każda o wartości n = 20. Zebrałem dane dotyczące zadania, które wymagało wykonania w 3 różnych warunkach „nagrody”. Zadanie obejmowało wykonanie w każdym z 3 warunków dwukrotnie, ale w losowej kolejności. Chcę zobaczyć, czy istnieje średnia różnica w wydajności zadań dla każdej grupy, w każdym z różnych warunków „nagrody”.
- IV = typ grupy
- DV = średnia miara wydajności zadania w 3 warunkach
Mam dane wyjściowe z ANOVA z powtarzanymi pomiarami i dostęp do surowego zestawu danych w SPSS, ale nie jestem pewien, jak postępować. Nie udało mi się znaleźć przewodnika krok po kroku dla tej interpretacji, ponieważ tekst Pallant jest nieco ograniczony. Moje szczególne problemy dotyczą następujących obszarów:
- Czy sprawdzam normalność każdej z moich zmiennych indywidualnie czy w ramach kombinacji każdego z poziomów IV? Jeśli zawiera się w kombinacjach, jak to sprawdzić?
- Czy najpierw sprawdzam test Mauchly? Jeśli zostanie naruszone, co to oznacza? Jeśli to nie zostanie naruszone, co to oznacza?
- Kiedy dobrze jest spojrzeć na tabele testów na wielu odmianach lub testy efektów wewnątrz badanych? Nie jestem pewien, kiedy właściwe jest użycie jednego (lub obu?)?
- Czy zawsze dobrze jest spojrzeć na porównania parami? Wydaje się, że jest to sprzeczne z intuicją, jeśli efekty wielowymiarowe lub wewnątrzosobnicze nie wskazują na istotność (tj. P <0,05), ale znów jestem niepewny.
anova
spss
repeated-measures
assumptions
Krótka Elizabeth
źródło
źródło
Odpowiedzi:
Zmienne zależne powinny być normalne w każdej komórce projektu między podmiotami. Masz 2 takie komórki: 2 grupy, więc normalność powinna być w obu grupach. Również macierz wariancji-kowariancji między 3 DV powinna być taka sama w 2 grupach. Możesz sprawdzić normalność za pomocą testu Shapiro-Wilka lub testu Kołmogorowa-Smirnowa (z poprawką Lillieforsa) w procedurze ODKRYJ. Jednorodność wariancji-kowariancji można przetestować testem Boxa M (znalezionym w analizie dyskryminacyjnej). Należy jednak pamiętać, że ANOVA jest dość odporna na naruszenia obu założeń.
Test Mauchly'a sprawdza tzw. Założenie sferyczności, które jest niezbędne do jednoczynnikowego podejścia do ANOVA z powtarzanymi pomiarami. To założenie wymaga, z grubsza mówiąc, różnic między DV z powtarzanymi pomiarami, które nie są ze sobą powiązane. Jeśli założenie zostanie naruszone, należy zignorować „Zakładana sferyczność” w tabeli Testy efektów wewnątrz podmiotu - zamiast tego znaleziono pewne poprawki (takie jak Greenhouse-Geisser).
Podczas gdy tabela testów wewnątrz-przedmiotowych odzwierciedla „podejście jednowymiarowe” w RM-ANOVA, tabela testów wielowymiarowych odzwierciedla „podejście wielowymiarowe”. Te dwa są przydatne i jest krótka debata, która jest „lepsza”. Przeczytaj trochę o nich tutaj , trochę więcej tutaj .
Zwykle nie sprawdza się testów parami, jeśli ogólny efekt nie jest znaczący, nie ma to większego sensu.
źródło
Zasoby ogólne dotyczące interpretacji ANOVA z powtarzanymi pomiarami za pomocą SPSS
Wygląda na to, że potrzebujesz lepszego ogólnego źródła ANOVA z powtarzanymi pomiarami. Oto kilka zasobów internetowych, ale ogólnie poszukiwanie „ANOVA z powtarzanymi pomiarami SPSS” da wiele przydatnych opcji.
1. Sprawdzanie normalności
2. Wartość testu Mauchly'ego
3. Wielowymiarowy
4. Porównania parami
źródło