多变量变异数分析.pptVIP

多變量變異數分析(MANOVA) 報告者：吳婉綺 指導老師：陳正昌　老師 * ANOVA vs. MANOVA * T-test (為ANOVA的特例) 變異數分析 (ANOVA) 多變量 變異數分析 (MANOVA) 目的 考驗兩組平均數是否有差異 考驗三組以上平均數是否有差異 同時考驗k組間在兩個以上依變項上的形心(centroid)是否有差異 自變項 一個（兩個水準）；質 一個或多個（三個水準以上）；質 一個或多個；質 依變項 一個；量 一個；量 多個；量 假設 性別不同，其身高不同 接受三種不同教學法，其學生數學成績不同 不同溫度（日、夜）和區域（A、B、C），稻米重量有所不同 接受三種不同教學法，其學生國、英、數成績不同 不同性別接受三種不同教學法，其學生學科成績和學習動機不同 1. MANOVA的使用時機 (p.281) 研究者對於考驗數個依變項的平均數差異有興趣，而不只是對於單一個依變項有興趣（可控制整體?水準）。 研究者想在控制依變項間交互相關的情形下，瞭解組平均數同時在所有依變項上的差異。 * 2 MANOVA的基本假定 (p.282) 觀察體是從母群體中隨機抽樣而來。 觀察體彼此獨立。 依變項成多變量常態分配 (multivariate normal distribution) 。 k組有一個共同的組內母群共變數矩陣，即共變數矩陣具有同質性。此一假定有兩層意義：第一，對每一個依變項而言，ANOVA 的變異數同質性假定必須符合；第二，任何兩個依變項的相關在k組之間應該都相同。 * MANOVA的分析步驟類似於ANOVA ，可以分為兩個步驟。 3. MANOVA的分析步驟 (p.282) * MANOVA整體考驗 追蹤考驗 停止分析 顯著 不顯著 單變量F考驗 區別分析 降步式分析 多變量對比 單變量對比 同時信賴區間 依變項 自變項 3. MANOVA的分析步驟 (p.282) 獨立樣本單因子MANOVA： Wilks’ ?統計量 Pillai-Bartlett trace統計量(v) Roy最大根(GCR)統計量 Hotelling-Lawley trace (T)統計量 整體效果考驗後，製做摘要表如下： * 來源 df SSCP ? 組間 k ? 1 H 組內 N ? k E 總和 N ? 1 T ? H ? E 3. MANOVA的分析步驟 * Wilks’ Lambda 數值越小越顯著，此處表示： 結論1：用四種教學法，來教兩種學科，整體而言平均有差異。 可進行追蹤考驗。 3. MANOVA的分析步驟 (p.283) 獨立樣本二因子MANOVA： 可以減少受試者 為不使無關變項影響依變項，可將其納入實驗並將其效果排除 可同時分析兩因子的主要效果和交互作用 整體效果考驗後，製做摘要表如下 (p.285)： * 來源 df SSCP ? 因子A a ? 1 HA 因子B B ? 1 HB 交互作用(AB) (a ? 1)(B ? 1) HAB 誤差(e) ab(n ? 1) HE 總和 N ? 1 T ? HA ? HB ? HAB ? HE 3. MANOVA的分析步驟 (p.287) * 單變量F考驗 區別分析 降步式分析 依變項 採Bonferroni程序將?加以分割，及單變量F考驗的顯著水準是? / p（p是依變項數目） Borgen與Seling (1978)主張，此用此方法時建議搭其他方法（區別分析）才不至於導致某些有用訊息流失。 **使用此方法需小心謹慎 MANOVA的自變項為質，依變項為量 區別分析的自變項為量，依變項為質 區別分析可找出依變項的線性組合，使得「組間變異」相對於「組內變異」比值為最大。 依變項若有理論上的次序，將其以特定次序做考驗，以測試其相對貢獻。 此方法類似於逐步迴歸或逐步區別分析，不同則是變項順序是依照理論而來。 單變量F考驗 * 分別進行考驗學科一和學科二是否有差異 **因為顯著水準是? / p (p為依變項數目)，.05 / 2 = .025，所以要小於.025才有差異。因此依變項越多越難顯著，此處表示： 結論2：兩種學科中，只在學科二有差異。 3. MANOVA的分析步驟 (p.288) * 多變量對比 單變量對比 同時信賴區間 自變項 使用時機為研究者對於兩個組別在p個依變項上的平均數向量之差異或是任何單一自由度的對比有興趣時。 最常使用的方式為Hotelling T2 。 有學者建議，多變量對比若使用於事後比較，必須將?加以分割，每一個對比的顯著水準應該訂為? / g（g是對比次數）。 使用時機為研究者只對p個依變項中，個別依變項的平均數差異有興趣。 Bird (1975) 建議，單變量對比若使用於事後比較，必須將?加以分割，