В статистике , многомерный дисперсионный анализ ( MANOVA ) представляет собой процедура для сравнения многомерных средств выборки. В многомерной процедуре, она используется , когда есть два или более зависимые переменные , [1] и часто сопровождается тестами значимости с участием отдельных зависимыми переменных по отдельности. [2]
Связь с ANOVA [ править ]
MANOVA - это обобщенная форма одномерного дисперсионного анализа (ANOVA) [1], хотя, в отличие от одномерного ANOVA , он использует ковариацию между исходными переменными при проверке статистической значимости средних различий.
Там, где суммы квадратов появляются в одномерном дисперсионном анализе, в многомерном дисперсионном анализе появляются определенные положительно определенные матрицы . Диагональные элементы представляют собой суммы квадратов того же типа, что и в одномерном дисперсионном анализе. Недиагональные записи - это соответствующие суммы произведений. При предположениях о нормальности распределений ошибок эквивалент суммы квадратов из-за ошибки имеет распределение Уишарта .
MANOVA основан на произведении матрицы дисперсии модели и обратной матрицы дисперсии ошибок, или . Гипотеза, подразумевающая, что товар . [3] соображение инвариантности подразумевает MANOVA статистика должна быть мерой величины от сингулярного разложения этого матричного продукта, но не существует уникальный выбора благодаря много- мерной природе альтернативной гипотезы.
Наиболее распространенный [4] [5] статистические сводки на основе корней (или собственных значений ) в матрице:
- Самюэль Стэнли Уилкс " , распространяемый в виде лямбды (Λ)
- KC Sreedharan Пиллаи - МС Бартлетта след , [6]
- след Лоули- Хотеллинга ,
- Самый большой корень Роя (также называемый самым большим корнем Роя ),
Обсуждение достоинств каждого из них продолжается [1], хотя наибольший корень приводит только к пределу значимости, который обычно не представляет практического интереса. Еще одна сложность состоит в том, что, за исключением наибольшего корня Роя, распределение этих статистических данных при нулевой гипотезе не является прямым и может быть только приближено, за исключением нескольких малоразмерных случаев. [7] Алгоритм распределения наибольшего корня Роя при нулевой гипотезе был выведен в [8], а распределение при альтернативе изучено в [9].
Наиболее известное приближение лямбды Уилкса было получено Р. Р. Рао .
В случае двух групп все статистические данные эквивалентны, и тест сводится к Т-квадрату Хотеллинга .
Корреляция зависимых переменных [ править ]
На мощность MANOVA влияют корреляции зависимых переменных и величины эффекта, связанные с этими переменными. Например, когда есть две группы и две зависимые переменные, мощность MANOVA будет наименьшей, когда корреляция равна отношению меньшего стандартизованного размера эффекта к большему. [10]
См. Также [ править ]
- Анализ дискриминантной функции
- Дизайн повторных мероприятий
- Канонический корреляционный анализ
Ссылки [ править ]
- ^ a b c Warne, RT (2014). «Праймер по многомерному дисперсионному анализу (MANOVA) для ученых-бихевиористов» . Практическая оценка, исследования и оценка . 19 (17): 1–10.
- ^ Стивенс, JP (2002). Прикладная многомерная статистика для социальных наук. Махва, Нью-Джерси: Лоуренс Эрблаум.
- ^ Кэри, Грегори. "Многомерный дисперсионный анализ (MANOVA): I. Теория" (PDF) . Проверено 22 марта 2011 .
- ^ Гарсон, Дж. Дэвид. «Многомерный GLM, MANOVA и MANCOVA» . Проверено 22 марта 2011 .
- ^ UCLA: Academic Technology Services, Статистическая консультационная группа. "Аннотированный вывод Stata - MANOVA" . Проверено 22 марта 2011 .
- ^ «Основные концепции MANOVA - Реальная статистика с использованием Excel» . www.real-statistics.com . Проверено 5 апреля 2018 года .
- ^ Камуфляж http://www.camo.com/multivariate_analysis.html
- ^ Чиани, М. (2016), «Распределение наибольшего корня матрицы для критерия Роя в многомерном дисперсионном анализе», Журнал многомерного анализа , 143 : 467–471, arXiv : 1401.3987v3 , doi : 10.1016 / j. jmva.2015.10.007
- ^ И. М. Джонстон, Б. Надлер «Самый большой корневой тест Роя при альтернативах первого ранга» препринт arXiv arXiv: 1310.6581 (2013)
- ^ Frane, Andrew (2015). «Мощность и контроль ошибок типа I для одномерных сравнений в многомерных двухгрупповых схемах». Многомерное поведенческое исследование . 50 (2): 233–247. DOI : 10.1080 / 00273171.2014.968836 . PMID 26609880 .
Внешние ссылки [ править ]
В Викиверситете есть учебные ресурсы о многомерном дисперсионном анализе. |
- Многомерный дисперсионный анализ (MANOVA) Аарона Френча, Марсело Маседо, Джона Поулсена, Тайлера Уотерсона и Анджелы Ю, Государственный университет Сан-Франциско