Mam 2 zmienne zależne (DV), na które na każdy wynik może mieć wpływ zestaw 7 zmiennych niezależnych (IV). DV są ciągłe, podczas gdy zestaw IV składa się z kombinacji zmiennych ciągłych i binarnie kodowanych. (W kodzie poniżej zmienne ciągłe są pisane dużymi literami, a zmienne binarne małymi literami.)
Celem badania jest odkrycie, jak zmienne IV wpływają na te DV. Zaproponowałem następujący model wielowymiarowej regresji wielokrotnej (MMR):
my.model <- lm(cbind(A, B) ~ c + d + e + f + g + H + I)
Aby zinterpretować wyniki, nazywam dwie instrukcje:
summary(manova(my.model))
Manova(my.model)
Wyniki obu połączeń są wklejone poniżej i znacznie się różnią. Czy ktoś może wyjaśnić, które oświadczenie należy wybrać, aby właściwie podsumować wyniki MMR i dlaczego? Wszelkie sugestie będą mile widziane.
Dane wyjściowe za pomocą summary(manova(my.model))
instrukcji:
> summary(manova(my.model))
Df Pillai approx F num Df den Df Pr(>F)
c 1 0.105295 5.8255 2 99 0.004057 **
d 1 0.085131 4.6061 2 99 0.012225 *
e 1 0.007886 0.3935 2 99 0.675773
f 1 0.036121 1.8550 2 99 0.161854
g 1 0.002103 0.1043 2 99 0.901049
H 1 0.228766 14.6828 2 99 2.605e-06 ***
I 1 0.011752 0.5887 2 99 0.556999
Residuals 100
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Dane wyjściowe za pomocą Manova(my.model)
instrukcji:
> library(car)
> Manova(my.model)
Type II MANOVA Tests: Pillai test statistic
Df test stat approx F num Df den Df Pr(>F)
c 1 0.030928 1.5798 2 99 0.21117
d 1 0.079422 4.2706 2 99 0.01663 *
e 1 0.003067 0.1523 2 99 0.85893
f 1 0.029812 1.5210 2 99 0.22355
g 1 0.004331 0.2153 2 99 0.80668
H 1 0.229303 14.7276 2 99 2.516e-06 ***
I 1 0.011752 0.5887 2 99 0.55700
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1