반복측정 분산분석 예제

일부 분석은 실험의 설계를 지원하기 위해 필요하며, 다른 분석은 요인의 변화가 공식적으로 응답에서 통계적으로 유의한 변화를 생성하는 것으로 밝혀진 후에 수행된다. 실험은 반복적이기 때문에 한 실험의 결과는 다음 실험에 대한 계획을 변경합니다. 정량적 결과 섹션(설명 통계, 양변량 및 다변량 해석, 구조 방정식 모델링, 경로 분석, HLM, 클러스터 분석) 위의 예에서 p는 하단 선 값이며 통계적으로 어떤 수준에서 나타냅니다. 상당한 차이가 있습니다. 과목 간 효과만을 포함하는 테스트의 경우 다변량 및 일변량 접근법모두 동일한 시험을 발생시킵니다. 이러한 테스트는 MODEL 문의 모든 효과와 지정된 CONTRAST에 대해 제공됩니다. 이러한 테스트에 대한 ANOVA 테이블에는 PROC GLM 결과에 « 과목 간 가설 테스트 »라는 레이블이 지정되어 있습니다. 이러한 테스트는 먼저 모델의 종속 변수를 함께 추가하여 생성됩니다. 그런 다음 종속 변수 수의 제곱근으로 나눈 합계에서 분산 분석이 수행됩니다. 예를 들어, 이와 같이, 오렌지의 수, 중량 및 가격을 비교하기 위해 반복측정ANOVA를 사용할 수 없다.

세 가지 측정값은 숫자, 무게 및 가격이며, 이는 다른 조건이 아니라 다른 품질을 나타냅니다. 반복 측정 설계(« 피험자 내 설계 »라고도 함)는 대조군을 포함한 연구의 모든 조건과 동일한 과목을 사용합니다. 예를 들면, 반복한 측정은 시간이 지남에 따라 변경이 평가되는 세로 연구 결과에서 집합됩니다. 다른 연구는 두 개 이상의 다른 조건에서 동일한 측정을 비교. 예를 들어, 인지 기능에 카페인의 효과 테스트 하려면, 그들은 카페인을 소비 하 고 위약을 소비 하는 또 다른 시간 후 한 번 과목의 수학 능력을 테스트 할 수 있습니다. 임의 표본의 모든 구성원이 여러 조건하에서 테스트될 때 사용됩니다. 여기서, 우리는 각 견본이 다른 조건에 드러내기 때문에 각 견본에 대한 다른 측정이 있습니다. 실험을 구성하는 대비 준비 및 후속 분석은 반복된 측정값의 분석에 대한 또 다른 접근법은 일반적인 혼합 모델을 통해서입니다. 이 접근 방식은 주체 내 의 불균형 또는 누락된 데이터뿐만 아니라 균형 잡힌 데이터를 처리할 수 있으며 주체 내 공분산을 모델링하기 위한 더 많은 옵션을 제공합니다.

혼합 모델 접근 방식의 주요 단점은 일반적으로 반복이 필요하므로 계산 효율성이 낮을 수 있다는 것입니다. 이 방법에 대한 자세한 내용은 41장, « 혼합 절차 », 울핑거와 장(1995)을 참조하십시오. 결과 창에는 스터디의 피사체 수가 표시됩니다. 모든 측정값에 대한 값이 누락된 피사체는 분석에서 삭제됩니다. 이 표에서는 « 요인 » 및 « 잔류 » 변형에 따른 변형이 표시됩니다. « 팩터 » 옆의 P 값이 낮으면(P<0.05) 상이한 측정 간에 유의한 차이가 있다는 결론을 내릴 수 있다. 이러한 유형의 반복측정 분석을 수행하는 동안 연구원이 이러한 가정 위반을 재정의할 수 있는 옵션이 있습니다. 연구원은 자유도 의 조정 된 정도를 수행하거나 위반의 효과를 극복하기 위해 그린 하우스 가이저 방법을 사용할 수 있습니다. 그것은 제곱 단위가 있습니다.

예를 들어 센티미터단위로 측정된 높이 세트의 분산은 센티미터 제곱으로 지정됩니다. 인구 분산은 제곱이므로 평균 또는 데이터 자체와 직접 비교할 수 없습니다. 다음 섹션에서는 데이터와 동일한 단위를 가지는 표준 편차인 분산의 다른 측정값을 설명합니다.