MANOVA 대 다중 응답 ANOVA

[#1]

안녕,

Fit Model 대화 상자에서 여러 응답 변수(Y)를 맞추고 여러 예측 변수의 효과를 테스트할 수 있습니다. "Standard Least Square fitting"을 사용하거나 응답을 함께 맞추거나 MANOVA를 사용하여 이 작업을 수행할 수 있다는 것을 알았습니다. 두 가지 접근 방식의 결과는 상당히 다릅니다.

제 질문은 두 모델의 해석에 어떤 차이가 있는가입니다.

미리 답변해 주셔서 감사합니다.

[#2]

안녕하세요 @그첼리니 ,

데이터 세트와 귀하가 얻은 결과가 없다면 도움을 드리는 것이 어려울 수 있습니다.

매우 이론적으로 두 접근 방식은 다릅니다. MANOVA는 평균 차이의 통계적 유의성을 검정할 때 응답 간의 공분산을 사용하기 때문입니다. 다중 응답에 대한 표준 최소 제곱법/표준 ANOVA는 각 응답에 대한 평균 차이를 개별적으로/독립적으로 검정합니다.

자세한 내용은 여기에서 확인하세요: https://en.wikipedia.org/wiki/Multivariate_analytic_of_variance

한 방법을 다른 방법보다 선택하는 것은 주로 귀하의 목표와 데이터 수집 프로세스에 따라 달라집니다. MANOVA 분석은 데이터 수집 프로세스(예: 반복 측정)에 따라 여러 가지 성격을 사용할 수 있습니다 . Manova 성격의 추가 예

이것이 여러분이 방법들 간의 주요 차이점을 이해하는 데 도움이 되기를 바랍니다.

[#3]

답변과 제공된 자료에 감사드립니다. 제 질문은 모두 이 요약 표(첨부)를 어떻게 해석해야 하는지에 달려 있는 것 같습니다. 이것은 제가 모든 Y 변수를 함께 맞추기로 결정했을 때만 나타납니다.

이는 내 응답에서 나타나는 대부분의 일반적인 차이를 설명하는 요인에 대한 정보를 제공하고 있는가?

[#4]

안녕하세요 @그첼리니

이 보고서는 동일한 모델을 여러 응답에 적용할 때 사용할 수 있습니다: 최소 제곱법 보고서

여기에 표시된 효과에 대한 p-값은 반응 중 하나에 대해 감지된 최소 p-값입니다.

JMP의 "운동" 데이터 세트에 대한 예:

• 효과 요약(고려된 3개 응답)에서 요인 허리의 p값은 0.00917입니다.
  
• 응답을 개별적으로 맞추면 이 p-값이 응답 상황에 대한 단일 보고서와 동일하다는 것을 알 수 있습니다.
  

  하지만 다른 2가지 반응에 대한 p-값은 다릅니다.

  
  
  

따라서 여러 응답에 대한 효과 요약 보고서의 p-값 표시는 고려된 모든 응답에 대해 각 효과에 대해 발견된 가장 낮은 p-값을 표시한다는 의미에서 "보수적"입니다(한 응답에 적합한 용어를 "공격적인 모델 개선"이나 "실수로" 제거하는 것을 방지하기 위함).

하지만 여전히 각 응답은 요인/항목과 독립적으로/별도로 맞춰지며, MANOVA에서 할 수 있는 것처럼 응답 간의 공분산은 사용되지 않습니다. 이 보고서는 이 보고서에서 항목의 p-값이 높은 경우 모델을 줄이는 데 도움이 될 수 있습니다. 응답을 독립적으로 맞출 때 이 값보다 낮지 않기 때문입니다.

제 답변이 명확했으면 좋겠습니다.