Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group
(kontrol, eksperimental), time
(pertama, kedua, tiga), dan group x time
. Keduanya time
dan group
hasilnya signifikan, selain itu ada interaksi yang signifikan group x time
.
Saya tidak tahu bagaimana melanjutkan untuk memeriksa lebih lanjut perbedaan antara tiga kali penilaian, juga tentang keanggotaan kelompok. Bahkan, pada awalnya saya hanya menentukan dalam opsi ANOVA untuk membandingkan semua efek utama, menggunakan koreksi Bonferroni. Namun, kemudian saya menyadari bahwa dengan cara ini mereka membandingkan perbedaan waktu sampel total, tanpa perbedaan kelompok, apakah saya benar?
Karena itu, saya mencari banyak di internet untuk menemukan solusi yang mungkin, tetapi dengan hasil yang langka. Saya hanya menemukan 2 case yang mirip dengan milik saya, tetapi solusi mereka berlawanan!
- Dalam sebuah artikel, setelah desain campuran, penulis menjalankan 2 langkah ANOVA berulang sebagai post-hoc, satu untuk setiap kelompok subjek. Dengan cara ini, kedua kelompok dianalisis secara terpisah tanpa koreksi, benarkan?
- Dalam panduan di internet, mereka mengatakan menambahkan secara manual dalam sintaks SPSS
COMPARE(time) ADJ(BONFERRONI)
, tepat setelahnya/EMMEANS=TABLES(newgroup*time)
, saat menjalankan ANOVA campuran. Dengan cara ini, tiga kali dibandingkan secara terpisah untuk masing-masing kelompok, dengan koreksi Bonferroni, apakah saya benar?
Bagaimana menurut anda? Mana yang akan menjadi cara yang benar untuk melanjutkan?
sumber
Jawaban:
Jawaban diedit untuk menerapkan komentar yang membesarkan hati dan konstruktif oleh @Ferdi
Aku ingin:
Saya berasumsi memiliki database dengan kolom: depV, Group, F1, F2. Saya menerapkan ANOVA desain campuran 2x2x2 di mana depV adalah variabel dependen, F1 dan F2 berada dalam faktor subjek dan Grup adalah antara faktor subjek. Saya lebih lanjut menganggap uji F telah mengungkapkan bahwa interaksi Grup * F2 adalah signifikan. Karena itu saya perlu menggunakan post-test hoc untuk memahami apa yang mendorong interaksi.
Secara khusus t-test kedua sesuai dengan yang dilakukan oleh perintah EMMEANS. Perbandingan EMMEANS dapat mengungkapkan misalnya bahwa depV lebih besar di Grup 1 pada kondisi F2 = 1.
Namun interaksi juga dapat didorong oleh sesuatu yang lain, yang diverifikasi oleh tes pertama: perbedaan depV (F2 = 1) -depV (F2 = 0) berbeda antara kelompok, dan ini adalah perbedaan yang tidak dapat Anda verifikasi dengan perintah EMMEANS (setidaknya saya tidak menemukan cara yang mudah).
Sekarang, dalam model dengan banyak faktor agak sulit untuk menuliskan garis / TEST, urutan 1/2, 1/4 dll, yang disebut matriks L. Biasanya jika Anda mendapatkan pesan kesalahan: "matriks L tidak dapat diperkirakan", Anda lupa beberapa elemen. Satu tautan yang menjelaskan tanda terima adalah tautan ini: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/
sumber
Saya tidak terlalu mengenal sintaks SPSS, tetapi, jika saya memahami situasi Anda dengan benar, interaksi yang signifikan berarti bahwa, untuk menilai secara memadai signifikansi efek utama Anda, Anda harus melakukan analisis terpisah. Saya pikir cara terbaik untuk melanjutkan adalah melakukan analisis pengukuran berulang yang terpisah untuk setiap level dalam faktor pengelompokan Anda. Mungkin orang lain dapat berbicara lebih baik untuk pertanyaan tentang bagaimana menangani koreksi untuk beberapa perbandingan selama analisis post-hoc, tapi saya cukup yakin Anda masih perlu menggunakan koreksi. Anda dapat mencoba Tukey's, sebagai koreksi perbandingan berganda!
sumber
Pendeknya. Tidak ada konvensi yang diterima secara global untuk situasi ini. Beberapa akan menggunakan koreksi Bonferroni. Beberapa akan memaksa kerangka Tukey HSD untuk menari untuk mereka (mis. Maxwell & Delaney). Sebaliknya...
... tampaknya menggunakan koreksi Bonferroni. Namun, pendekatan ini cenderung konservatif, terutama dalam menghadapi koreksi gaya Holm-Sidak. (TERUTAMA jika Anda tidak menggunakan MSW sebagai istilah kesalahan untuk perbandingan post-hoc Anda).
sumber