Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group
(control, experimental), time
(primero, segundo, tres) y group x time
. Ambos time
y group
resultaron significativos, además hubo una interacción significativa group x time
.
No sé muy bien cómo proceder para verificar las diferencias entre los tres tiempos de evaluaciones, también con respecto a la membresía grupal. De hecho, al principio solo especifiqué en las opciones del ANOVA para comparar todos los efectos principales, usando la corrección de Bonferroni. Sin embargo, luego me di cuenta de que de esta manera se compararon las diferencias en el tiempo de la muestra total, sin distinción de grupo, ¿estoy en lo cierto?
Por lo tanto, busqué mucho en Internet para encontrar una posible solución, pero con escasos resultados. ¡Solo encontré 2 casos similares al mío, pero sus soluciones son opuestas!
- En un artículo, después del diseño mixto, los autores realizaron 2 medidas repetidas ANOVA como post-hoc, una para cada grupo de sujetos. De esta manera, los dos grupos se analizan por separado sin ninguna corrección, ¿estoy en lo cierto?
- En una guía en Internet, dicen agregar manualmente en la sintaxis SPSS
COMPARE(time) ADJ(BONFERRONI)
, justo después/EMMEANS=TABLES(newgroup*time)
, mientras se ejecuta el ANOVA mixto. De esta manera, las tres veces se comparan por separado para cada grupo, con la corrección de Bonferroni, ¿estoy en lo cierto?
¿Qué piensas? ¿Cuál sería la forma correcta de proceder?
fuente
Respuestas:
Respuesta editada para implementar comentarios alentadores y constructivos por @Ferdi
Me gustaría:
Supongo que tengo una base de datos con columnas: depV, Group, F1, F2. Implemento un ANOVA de diseño mixto 2x2x2 donde depV es la variable dependiente, F1 y F2 están dentro de los factores de sujeto y Group es un factor entre sujetos. Además, supongo que la prueba F ha revelado que la interacción Grupo * F2 es significativa. Por lo tanto, necesito usar pruebas t post hoc para comprender qué impulsa la interacción.
En particular, la segunda prueba t corresponde a la realizada por el comando EMMEANS. La comparación EMMEANS podría revelar, por ejemplo, que depV era mayor en el Grupo 1 con la condición F2 = 1.
Sin embargo, la interacción también podría ser impulsada por otra cosa, que se verifica mediante la primera prueba: la diferencia depV (F2 = 1) -depV (F2 = 0) difiere entre los grupos, y este es un contraste que no puede verificar con el comando EMMEANS (Al menos no encontré una manera fácil).
Ahora, en modelos con muchos factores, es un poco complicado escribir la línea / TEST, la secuencia de 1/2, 1/4, etc., llamada matriz L. Normalmente, si recibe el mensaje de error: "la matriz L no es estimable", está olvidando algunos elementos. Un enlace que explica el recibo es este: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/
fuente
No conozco la sintaxis de SPSS particularmente bien, pero, si entiendo su situación correctamente, la interacción significativa significa que, para evaluar adecuadamente la importancia de sus efectos principales, deberá realizar análisis por separado. Creo que la mejor manera de proceder es hacer análisis de medidas repetidas por separado para cada nivel en su factor de agrupación. Quizás alguien más pueda hablar mejor sobre la cuestión de cómo manejar la corrección para comparaciones múltiples durante el análisis post-hoc, pero estoy bastante seguro de que aún necesita usar una corrección. ¡Puede probar Tukey's, como una corrección de comparación múltiple!
fuente
En breve. No existe una convención globalmente aceptada para estas situaciones. Algunos usarán correcciones de Bonferroni. Algunos obligarán al marco Tukey HSD a bailar para ellos (por ejemplo, Maxwell y Delaney). A diferencia de...
... parece usar la corrección de Bonferroni. Sin embargo, este enfoque es probablemente conservador, especialmente frente a las correcciones de estilo Holm-Sidak. (ESPECIALMENTE si no usa el MSW como término de error para sus comparaciones post-hoc).
fuente