Hipoteza jednokierunkowej ANOVA jest taka, że średnie wszystkich grup są równe:Hipoteza jednostronnej metody MANOVA jest taka, że średnie [wielowymiarowe] wszystkich grup są równe:Jest to równoważne stwierdzeniu, że średnie są równe dla każdej zmiennej odpowiedzi, tj. Twoja pierwsza opcja jest poprawna .H 0 : μ 1 = μ 2 = . . . = μ k . H 0H0
H0:μ1=μ2=...=μk.
H0H0:μ1=μ2=...=μk.
W obu przypadkach alternatywną hipotezą jest negacja wartości zerowej. W obu przypadkach założeniami są (a) rozkłady Gaussa wewnątrz grupy oraz (b) równe wariancje (dla ANOVA) / macierze kowariancji (dla MANOVA) między grupami.H1
Różnica między MANOVA i ANOVA
Może się to wydawać nieco mylące: hipoteza zerowa MANOVA jest dokładnie taka sama, jak kombinacja hipotez zerowych dla zbioru jednowymiarowych ANOVA, ale jednocześnie wiemy, że robienie MANOVA nie jest równoważne z robieniem jednoczynnikowych ANOVA, a następnie jakoś „ łączenie ”wyników (można wymyślić różne sposoby łączenia). Dlaczego nie?
Odpowiedź jest taka, że uruchamianie wszystkich jednoczynnikowych ANOVA, nawet gdyby przetestowałoby tę samą hipotezę zerową, będzie miało mniejszą moc. Zobacz moją odpowiedź tutaj w celu zilustrowania: Jak MANOVA może zgłosić znaczącą różnicę, gdy żadna z jednoczynnikowych ANOVA nie osiąga znaczenia? Naiwna metoda „łączenia” (odrzucanie globalnego zera, jeśli przynajmniej jedna ANOVA odrzuca zera) również doprowadziłaby do ogromnej inflacji poziomu błędu typu I; ale nawet jeśli ktoś wybierze jakiś sprytny sposób „łączenia” w celu utrzymania prawidłowego poziomu błędu, traci moc.
Jak działa testowanie
ANOVA rozkłada całkowitej sumy kwadratów z na między grupami z sumy kwadratów i wewnętrzną z grupy sumy kwadratów tak, że . Następnie oblicza się stosunek . Zgodnie z hipotezą zerową stosunek ten powinien być mały (około ); można obliczyć dokładny rozkład tego stosunku oczekiwany zgodnie z hipotezą zerową (będzie to zależeć od i liczby grup). Porównanie obserwowanej wartości z tym rozkładem daje wartość p.TBWT=B+WB/W1nB/W
MANOVA rozkłada całkowitego rozproszenia matrycy do rozproszenia między grupami matrycy i wewnątrzgrupowa rozrzut matrycy , tak że . Następnie oblicza matrycy . Zgodnie z hipotezą zerową ta macierz powinna być „mała” (wokół ); ale jak określić ilościowo, jak „mały” jest? MANOVA analizuje wartości własne tej macierzy (wszystkie są dodatnie). Ponownie, zgodnie z hipotezą zerową, te wartości własne powinny być „małe” (okołoTBWT=B+WW−1BIλi1). Aby jednak obliczyć wartość p, potrzebujemy jednej liczby (zwanej „statystyką”), aby móc porównać ją z oczekiwanym rozkładem poniżej wartości zerowej. Można to zrobić na kilka sposobów: weź sumę wszystkich wartości własnych ; weź maksymalną wartość własną itd. W każdym przypadku liczba ta jest porównywana z rozkładem tej wielkości oczekiwanym poniżej zera, co daje wartość p.∑λimax{λi}
Różne wybory statystyki testowej prowadzą do nieco różnych wartości p, ale ważne jest, aby zdać sobie sprawę, że w każdym przypadku testowana jest ta sama hipoteza zerowa.