Estoy investigando si diferentes condiciones de recompensa pueden afectar el rendimiento de la tarea. Tengo datos de un pequeño estudio con dos grupos, cada uno con n = 20. Recopilé datos sobre una tarea que involucraba el desempeño en 3 condiciones diferentes de "recompensa". La tarea implicó el desempeño en cada una de las 3 condiciones dos veces, pero en orden aleatorio. Quiero ver si hay una diferencia media en el rendimiento de la tarea para cada grupo, en cada una de las diferentes condiciones de "recompensa".
- IV = tipo de grupo
- DV = medida media del rendimiento de la tarea en 3 condiciones
He obtenido un ANOVA de medidas repetidas y acceso al conjunto de datos sin procesar en SPSS, pero no estoy seguro de cómo proceder. No he podido encontrar una guía paso a paso para esta interpretación, ya que el texto de Pallant es algo limitado. Mis problemas particulares están en las siguientes áreas:
- ¿Verifico la normalidad de cada una de mis variables individualmente o dentro de las combinaciones de cada uno de los niveles de la IV? Si está dentro de combinaciones, ¿cómo puedo verificar eso?
- ¿Verifico primero la prueba de Mauchly? Si se viola, ¿qué significa eso? Si no se viola, ¿qué significa eso?
- ¿Cuándo está bien mirar las tablas de pruebas multivariadas o las pruebas de los efectos dentro de los sujetos? No estoy seguro de cuándo es apropiado usar cualquiera (¿o ambos?)?
- ¿Siempre está bien mirar las comparaciones por pares? Parece contradictorio hacerlo si los efectos multivariados o dentro de los sujetos no indican significancia (es decir, P <0.05) pero nuevamente estoy inseguro.
fuente
Respuestas:
Sus variables dependientes deben ser normales en cada celda de diseño entre sujetos. Tiene 2 de estas celdas: 2 grupos, por lo que la normalidad debe estar en ambos grupos. Además, la matriz de varianza-covarianza entre sus 3 DV debe ser la misma en los 2 grupos. Puede verificar la normalidad mediante la prueba de Shapiro-Wilk o la prueba de Kolmogorov-Smirnov (con corrección de Lilliefors) en el procedimiento EXPLORE. La homogeneidad de varianza-covarianza se pudo evaluar mediante la prueba M de Box (que se encuentra en el análisis discriminante). Sin embargo, tenga en cuenta que ANOVA es bastante robusto a las violaciones de ambos supuestos.
La prueba de Mauchly verifica el supuesto supuesto de esfericidad que es necesario para el enfoque univariado de medidas repetidas ANOVA. Esta suposición requiere que, en términos generales, las diferencias entre sus DV de medida repetida no se correlacionen. Si se viola el supuesto, debe ignorar "Suposición de espericidad" en la tabla de Pruebas de efectos dentro de los sujetos; en su lugar, se encontraron algunas correcciones (como Greenhouse-Geisser).
Mientras que la tabla de Pruebas de efectos dentro de los sujetos refleja el "enfoque univariante" en RM-ANOVA, la tabla de Pruebas multivariadas refleja el "enfoque multivariante". Estos dos son útiles y hay un pequeño debate que es "mejor". Lea un poco aquí sobre ellos, un poco más aquí .
Por lo general, uno no verificará las pruebas por pares si el efecto general no es significativo, tiene poco sentido.
fuente
Recurso general sobre la interpretación de medidas repetidas ANOVA con SPSS
Parece que necesita un mejor recurso general sobre medidas repetidas ANOVA. Aquí hay algunos recursos web, pero en general, la búsqueda de "SOPS medidas repetidas ANOVA" dará muchas opciones útiles.
1. Comprobación de la normalidad
2. Valor de la prueba de Mauchly
3. Multivariante
4. Comparaciones por parejas
fuente