MANOVA Nedir? Çok Değişkenli Varyans Analizi
Basira Editör Ekibi · · 12 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım
Aa Yazı boyutu
Anahtar çıkarımlar
- MANOVA (çok değişkenli varyans analizi), iki ya da daha çok bağımsız grubun birden çok bağımlı değişkendeki ortalamalarını birlikte, tek bir genel testle karşılaştırır.
- Ayrı ANOVA'lar bağımlı değişkenler arasındaki ilişkiyi görmez; MANOVA ise grupları en iyi ayıran değişken birleşimini arar. Ama anlamlı bir MANOVA, ardından yapılan ayrı ANOVA'ları birinci tür hataya karşı korumaz.
- Pillai izi, Wilks lambda, Hotelling-Lawley izi ve Roy'un en büyük kökü aynı özdeğerlerden hesaplanır; varsayımlar zorlandığında en sağlam olanı Pillai izidir, iki grupta dördü aynı sonucu verir.
- Box'ın M testi kovaryans matrislerinin eşitliğini sınar, ama normallikten sapmaya çok duyarlıdır; ölçüt analiz planında önceden seçilir, Box'ın M testinin sonucuna göre değiştirilmez.
- Anlamlı bir MANOVA'nın ardından grupları ayıran birleşim ayırma (diskriminant) analiziyle, tek tek bağımlı değişkenler ise düzeltmeli ayrı analizlerle incelenir; ikisi farklı soruları yanıtlar.
İçindekiler
MANOVA (çok değişkenli varyans analizi), iki ya da daha çok bağımsız grubun birden çok bağımlı değişkendeki ortalamalarını birlikte karşılaştıran yöntemdir. Her değişkeni ayrı ayrı sınamak yerine grupların ortalama vektörlerinin eşit olup olmadığını tek bir genel testle sınar ve bağımlı değişkenler arasındaki ilişkiyi hesaba katar.
Tek bir bağımlı değişkende grup karşılaştırmasının mantığı tek yönlü varyans analizi, iki faktörün birlikte incelenmesi iki yönlü ANOVA yazısında anlatılır. Bu yazı bağımlı değişken tarafını çoğaltır: ayrı ANOVA’ların neyi kaçırdığı, dört çok değişkenli ölçüt, varsayımlar ve anlamlı bir sonucun nasıl açıldığı.
MANOVA nedir?
ANOVA her grubun tek bir ortalamasını karşılaştırır. MANOVA’da her grubun p bağımlı değişkenden oluşan bir ortalama vektörü vardır ve yokluk hipotezi (H₀) k grubun bu vektörlerinin kitlede eşit olduğunu söyler:
Burada , j’inci grubun p bağımlı değişkendeki kitle ortalamalarından oluşan vektördür. H₀, bütün bağımlı değişkenlerde bütün grupların eşit olduğunu söyler; tek bir değişkende tek bir farklılık bile H₀’ı yanlış yapar. İki grupta bu testin adı Hotelling’in T² testidir (Hotelling, 1931): bağımsız örneklemler t-testinin çok değişkenli genellemesi.
ANOVA toplam kareler toplamını gruplar arası ve grup içi parçalara ayırır. MANOVA aynı ayrımı matrislerle yapar. Gruplar arası kareler ve çapraz çarpımlar matrisi H, grup içi (hata) matrisi E diye yazılır; köşegenlerde her değişkenin kareler toplamı, köşegen dışında değişken çiftlerinin çapraz çarpımları durur. Bütün çok değişkenli ölçütler matrisinin özdeğerlerinden () hesaplanır.
Özdeğerlerin her biri bağımlı değişkenlerin ağırlıklı bir birleşimine karşılık gelir. Birinci birleşim, grupları birbirinden en iyi ayıran birleşimdir; ikincisi birinciyle ilişkisiz olanların en iyisidir. Sıfırdan büyük olabilecek özdeğer sayısı ‘dir. Bu birleşimler ayırma (diskriminant) fonksiyonlarıdır ve anlamlı bir MANOVA’dan sonra neyin farklı olduğunu onlar gösterir.
Ayrı ANOVA’lar neden yetmez?
Bağımlı değişkenler birlikte tek bir soruyu yanıtlıyorsa ayrı ANOVA’lar yetmez: test sayısıyla birinci tür hata büyür ve değişkenler arasındaki ilişki görülmez. Üç gerekçe öne çıkar:
- Birincisi, test sayısı arttıkça birinci tür hata olasılığı büyür. Dört bağımlı değişken birbirinden bağımsız olsaydı, her biri α = .05 düzeyinde sınandığında en az bir yanlış anlamlı sonuç olasılığı 1 − .95⁴ ≈ .19 olurdu. Değişkenler ilişkili olduğunda oran daha düşüktür ama yine .05’in üstündedir.
- İkincisi, ayrı ANOVA’lar bağımlı değişkenler arasındaki ilişkiyi görmez. İki değişken birlikte hareket ediyorsa, gruplar değişkenlerin tek tek ortalamalarında az, birbirine göre konumlarında çok ayrışabilir. Böyle bir fark hiçbir ayrı ANOVA’da görünmeyebilir, ama değişkenlerin birleşimine bakan MANOVA onu yakalar. Tersi de olur: ayrı analizlerde anlamlı çıkan birkaç değişken aslında aynı farkı yineliyor olabilir.
- Üçüncüsü, bazı sorular doğası gereği çok değişkenlidir: “Programlar öğrencilerin duyuşsal özellikleri bakımından farklı mı?” sorusu tek bir ölçümle değil, birlikte bir yapı oluşturan birkaç ölçümle yanıtlanır.
Dikkat
Birinci tür hata gerekçesinin yaygın bir biçimi savunulabilir değildir. Huberty ve Morris (1989), birinci tür hatayı denetlemek için ayrı ANOVA’lardan önce MANOVA yapılması gerektiği savına karşı çıkar: anlamlı bir MANOVA, ardından yapılan ayrı ANOVA’ları korumaz.
Onlara göre çok değişkenli analizin gerekçesi araştırma sorusundadır: bağımlı değişkenlerin birlikte oluşturduğu yapıyı tanımlamak, değişkenlerin bir alt kümesini seçmek ya da göreli katkılarını belirlemek. Bağımlı değişkenler kuramsal olarak ayrı sorularsa her biri için düzeltmeli ayrı analiz yapmak meşru bir seçimdir.
MANOVA ne zaman kullanılır?
MANOVA, bağımlı değişkenler kuramsal olarak birbiriyle ilişkili olduğunda ve soru grupların bu değişkenler üzerinde birlikte farklılaşıp farklılaşmadığı olduğunda kullanılır. Örneğin bir ölçeğin alt boyut puanları ya da birlikte anlam taşıyan birkaç sonuç ölçümü. Seçimi desen ve soru belirler:
| Desen ya da soru | Uygun analiz |
|---|---|
| Tek bağımlı değişken, üç ya da daha çok bağımsız grup | Tek yönlü ANOVA (Welch) ve Games-Howell |
| Birden çok ilişkili bağımlı değişken, bağımsız gruplar | MANOVA |
| Birden çok bağımlı değişken, kuramsal olarak ayrı sorular | Her biri için ayrı analiz ve çoklu karşılaştırma düzeltmesi |
| Birden çok bağımlı değişken ve ön test gibi bir ortak değişken | MANCOVA |
| İki faktör, birden çok bağımlı değişken | Faktöriyel (iki yönlü) MANOVA |
| İki tarafta da birden çok değişken (aralıklı ya da oranlı ölçüm) | Kanonik korelasyon analizi |
| Bir grupta belirgin biçimde normal dışı (bağımlı değişkenler aralıklı ya da oranlı ölçümde) | Düşünülebilir bir seçenek: permütasyona dayalı çok değişkenli test (Anderson, 2001) |
| Bağımlı değişkenlerden biri sıralı | Sıralı değişken MANOVA’ya alınmaz; sıra tabanlı bir testle (Kruskal-Wallis ya da iki grupta Mann-Whitney) ayrı analiz edilir |
Bir ölçeğin toplam puanı alt boyut puanlarıyla birlikte bağımlı değişken yapılmaz: toplam, alt boyutların doğrusal birleşimidir ve hata matrisi tersine çevrilemez. Aynı kişilerin tekrarlı ölçümleri de bağımsız gruplar değildir; çok değişkenli yaklaşımın orada nasıl kullanıldığı tekrarlı ölçümler varyans analizi yazısındadır.
MANOVA, kanonik korelasyon analizinin özel bir durumudur: kümelerden biri grup üyeliğini kodlayan k − 1 kukla değişkense iki analiz aynı Wilks lambda’yı verir.
Pillai izi, Wilks lambda ve öteki ölçütler nelerdir?
Çıktılarda dört çok değişkenli ölçüt yan yana görülür. Dördü de aynı özdeğerlerden hesaplanır; yalnız onları birleştirme biçimleri farklıdır:
Burada Λ Wilks (1932) lambda’sı, V Pillai (1955) izi, T Hotelling-Lawley izi, θ Roy’un en büyük köküdür. terimi, grup üyeliğini kodlayan kukla değişkenler ile bağımlı değişkenler arasındaki i’nci kanonik korelasyonun karesidir (); Pillai izi bu karelerin toplamı, Wilks lambda’sı ise terimlerinin çarpımıdır. Lambda 0 ile 1 arasındadır ve küçük değeri büyük bir grup farkını gösterir; öteki üç ölçütte büyük değer büyük farktır. Her biri bir F yaklaşımıyla sınanır.
| Ölçüt | Neyi özetler? | Ne zaman öne çıkar? |
|---|---|---|
| Pillai izi | Boyutlardaki açıklanan payların toplamı | Varsayımlar zorlandığında en sağlam; varsayılan seçim |
| Wilks lambda | Açıklanamayan payların çarpımı | Varsayımlar sağlandığında; en sık raporlanan |
| Hotelling-Lawley izi | Özdeğerlerin toplamı | Pillai ve Wilks’e benzer; az raporlanır |
| Roy’un en büyük kökü | Yalnız birinci boyut | Tek boyutlu farkta güçlü; kovaryans matrisleri eşit değilken birinci tür hatayı en çok şişiren (Olson, 1976) |
İki grupta (ya da tek bağımlı değişkende) olur, tek bir özdeğer kalır ve dört ölçüt aynı kesin F değerini verir. Ayrım üç ya da daha çok grupta ortaya çıkar.
Olson (1974) benzetim çalışmasında, normallikten sapma ve kovaryans matrislerinin eşit olmaması karşısında Pillai izini en sağlam buldu. Olson (1976) aynı gerekçeyle Pillai izini genel kullanım için önerdi. Roy ölçütünün F yaklaşımı ayrıca bir üst sınırdır; bu yüzden p değeri gerçekte olduğundan küçük çıkar.
Ölçüt sonuçlara bakılarak değil, analiz planında seçilir ve raporda adıyla yazılır. Dört ölçütten anlamlı çıkanı seçmek, sonuca bakarak test seçmektir ve birinci tür hata oranını şişirir.
MANOVA’nın varsayımları nelerdir?
MANOVA’nın varsayımları tek değişkenli ANOVA’nınkilerin çok değişkenli karşılıklarıdır; bunlara bağımlı değişkenler arasındaki ilişkiye ve gözlem sayısına dair koşullar eklenir:
- Ölçek: Bağımlı değişkenler aralıklı ya da oranlı ölçekte ölçülür. Tek bir Likert maddesi gibi sıralı bir ölçüm bu koşulu karşılamaz.
- Bağımsız gözlemler: Her katılımcı tek bir grupta yer alır. Aynı sınıftaki öğrenciler gibi kümelenmiş veri bu varsayımı bozar.
- Çok değişkenli normallik: Her grupta bağımlı değişkenler birlikte çok değişkenli normal dağılır. Mardia ya da Henze-Zirkler testleri raporlanabilir, ama Shapiro-Wilk gibi büyük örneklemde önemsiz sapmaları anlamlı bulur; analizi tek başına belirlemez (normallik testi).
- Kovaryans matrislerinin eşitliği: Grupların varyansları ve değişkenler arası kovaryansları kitlede eşittir. Tek değişkenli varyans eşitliği varsayımının çok değişkenli karşılığıdır (aşağıda Box’ın M testi).
- Doğrusal ilişkiler: Bağımlı değişkenler arasındaki ilişkiler her grupta doğrusaldır; saçılım grafikleriyle bakılır.
- Aşırı yüksek ilişki olmaması: Bağımlı değişkenler ne birbirinin kopyası olacak kadar yüksek ilişkili, ne de hiç ilişkisiz olmalıdır. Çok yüksek ilişki hesaplamayı kararsızlaştırır; ilişkisiz değişkenler ise MANOVA’nın gerekçesini zayıflatır.
- Çok değişkenli aykırı değerler: Tek tek değişkenlerde olağan görünen bir gözlem, değişkenlerin birleşiminde uç olabilir. Grup içinde Mahalanobis uzaklığıyla incelenir (aykırı değer).
- Yeterli gözlem: Hata matrisinin tersine çevrilebilmesi için N − k ≥ p gerekir (N toplam gözlem). Box’ın M testi ve grup içi Mahalanobis uzaklıkları için ayrıca her grupta gözlem sayısı bağımlı değişken sayısından büyük olmalıdır. İkisi de alt sınırdır, test gücü için gereken sayı değildir.
Box’ın M testi neden temkinle okunur?
Box’ın M testi, kovaryans matrislerinin eşit olduğu yokluk hipotezini sınar ve normal dağılım kuramına dayanan olabilirlik oranı testinin düzeltilmiş biçimidir (Box, 1949). Bu tür testler normallikten sapmaya karşı sağlam değildir: Layard (1974) benzetim çalışmasında, veri normal dağılmadığında normal kurama dayanan olabilirlik oranı testinin anlamlılık düzeyini koruyamadığını gösterdi.
Ayrıca büyük örneklemde pratik açıdan önemsiz farkları da anlamlı bulur. Anlamlı bir M bu yüzden kovaryans farkından çok normal dışılığı gösteriyor olabilir. Bu, tek değişkenli desende Levene testinin durumuna benzer.
Dikkat
Ön testin sonucuna göre test seçmenin hata oranlarını bozduğu iki örneklemli t-testinde gösterilmiştir (Zimmerman, 2004); aynı mantıkla ölçüt Box’ın M testine bakılarak değiştirilmez.
Riskin büyüdüğü durum, grup büyüklüklerinin ve kovaryans matrislerinin birlikte farklı olmasıdır. Bu yüzden analiz planında grup büyüklükleri olabildiğince eşit tutulur ve Pillai izi önceden seçilir. Box’ın M testi yine raporlanır, çünkü grupların yayılımı arasındaki fark kendi başına bir bulgudur.
Kovaryans matrislerini her grupta ayrı kestiren Welch–James türü çok değişkenli testler de geliştirilmiştir (Johansen, 1980); bunlar genel istatistik programlarının MANOVA çıktısındaki hazır ölçütler arasında yer almaz, ek paket ya da makro gerekir. Tek değişkenli desendeki karşılığı için Welch mi Student mı yazısına bakılabilir.
Veri normal dışıysa ne yapılır?
MANOVA’nın varsayılan yolu parametrik testtir. Parametrik olmayan bir analiz yalnız iki durumda birincil olur: bağımlı değişkenlerden biri sıralıysa ya da bir grupta belirgin biçimde normal dışıysa. Bu blogdaki test seçimi yazılarının açık karar kuralı “belirgin” sözcüğü için |çarpıklık| > 2 ya da |fazla basıklık| > 7 sınırını kullanır (yanlılığı düzeltilmiş G1 ve G2; West, Finch ve Curran, 1995); bu evrensel bir eşik değil, açıkça yazılmış bir karar kuralıdır (istatistiksel test seçimi).
Sıralı bir bağımlı değişken ölçek varsayımını karşılamaz; o değişken MANOVA’ya alınmaz, sıra tabanlı bir testle ayrı analiz edilir. Bir grupta belirgin normal dışılık varsa permütasyona dayalı çok değişkenli varyans analizi düşünülebilir: test istatistiği uzaklık matrisinden hesaplanır, p değeri gözlemlerin gruplar arasında yeniden dağıtılmasıyla elde edilir ve normallik varsayılmaz (Anderson, 2001).
MANOVA’nın birebir karşılığı değil, ayrı bir testtir ve grupların yayılımındaki farka da duyarlıdır: özellikle grup büyüklükleri dengesizken anlamlı bir sonuç merkezlerin değil yayılımın farkından gelebilir (Anderson ve Walsh, 2013). Bu yüzden yayılım ayrıca incelenir; ölçekleri farklı değişkenler uzaklık hesaplanmadan önce standartlaştırılır. Hangisi birincil olursa olsun öteki analiz duyarlılık analizi olarak raporlanır; ikisi ayrışırsa bu açıkça yazılır.
Anlamlı bir MANOVA’dan sonra ne yapılır?
Anlamlı bir genel test yalnız grupların bağımlı değişkenler bakımından bir yerde ayrıştığını söyler. Nerede ayrıştıklarını görmek için iki yol vardır ve farklı soruları yanıtlar:
- Ayırma (diskriminant) analizi. Soru çok değişkenliyse, yani grupları ayıran değişken birleşimi aranıyorsa, MANOVA’nın ayırma fonksiyonları yorumlanır. Her fonksiyonun standartlaştırılmış katsayıları ve yapı katsayıları (değişkenin fonksiyonla korelasyonu) birlikte okunur; ikisinin farkı kanonik korelasyon yazısındaki ağırlık ve yük ayrımının aynısıdır. Huberty ve Olejnik (2006) MANOVA’nın ardından bu betimleyici ayırma analizini ayrıntılı olarak ele alır.
- Ayrı tek değişkenli analizler. Soru tek tek değişkenlerle ilgiliyse her bağımlı değişken ayrı analiz edilir. Bunlar MANOVA’nın “korumasında” değildir: genel test birinci tür hatayı yalnız bütün ortalama vektörleri eşitken sınırlar (Huberty ve Morris, 1989); test sayısı kadar düzeltme gerekir.
Holm ya da Bonferroni düzeltmesi uygulanır ve raporda adıyla yazılır. Her bağımlı değişken için varsayılan yol Welch ANOVA ve ardından Games-Howell karşılaştırmalarıdır; seçimin gerekçesi post hoc testleri yazısındadır.
Ayrı analizlerin bağımlı değişkenler arasındaki ilişkiyi görmediği unutulmaz: her biri, öteki değişkenler hiç yokmuş gibi sonuç verir. Genel test anlamlıyken hiçbir ayrı analiz anlamlı çıkmıyorsa, fark değişkenlerin bir birleşiminde olabilir ya da düzeltme gücü düşürmüş olabilir; ayırma fonksiyonuna bakılır.
MANCOVA ve faktöriyel MANOVA
MANOVA’nın genişletilmiş biçimleri tek değişkenli karşılıklarının mantığını izler. Faktöriyel MANOVA’da her ana etki ve etkileşim için ayrı bir çok değişkenli test yapılır; etkileşimin okunuşu iki yönlü ANOVA’dakiyle aynıdır. MANCOVA’da ön test gibi sürekli bir ortak değişken modele girer ve grupların ortalama vektörleri bu değişkene göre düzeltilir; eğimlerin homojenliği her bağımlı değişken için sınanır. Ortak değişkenin seçimi ve rastgele atama olmadan düzeltmenin sınırları ANCOVA yazısında anlatılır.
Örnek bir araştırma sorusu: MANOVA adım adım nasıl okunur?
Bir eğitim bilimleri tezinde araştırmacı, üç öğretim yönteminin (geleneksel, ters yüz sınıf, proje tabanlı) ortaokul öğrencilerinin matematiğe yönelik duyuşsal özelliklerini farklılaştırıp farklılaştırmadığını inceliyor. Her yöntemde 30 öğrenci var. Bağımlı değişkenler matematik kaygısı, matematik öz yeterliği ve matematiğe yönelik tutum puanlarıdır. Desen varsayımsaldır ve sayısal sonuç verilmiyor; amaç okuma sırasını göstermektir.
- Plan. Üç değişkenin birlikte bir duyuşsal yapı oluşturduğu kuramla gerekçelendirilir. Pillai izi ve izleme analizleri veri toplanmadan seçilir. Gerekli örneklem önceden hesaplanır; G*Power’da MANOVA için ayrı seçenekler bulunur (G*Power ile güç analizi).
- Ön denetim. Her grubun betimsel istatistikleri, bağımlı değişkenler arasındaki korelasyonlar, Mahalanobis uzaklıkları ve eksik veri incelenir. Box’ın M testi raporlanır, ölçüt değiştirilmez.
- Genel test. Burada p = 3, k = 3 ve ‘dir. Pillai izinin F yaklaşımında serbestlik dereceleri ve ‘dir; ve . Bu desende sonuç F(6, 172) biçiminde raporlanır.
- Etki büyüklüğü. Pillai izine dayanan çok değişkenli kısmi eta kare ‘dir; Wilks lambda için karşılığı ‘dir. Değer desene bağlıdır ve tek değişkenli η² ile doğrudan karşılaştırılmaz (etki büyüklüğü).
- Ayırma fonksiyonları. Örneğin birinci fonksiyonda öz yeterlik ve tutum aynı yönde, kaygı ters yönde yükleniyorsa fonksiyon “olumlu duyuşsal profil” diye adlandırılabilir ve grupların bu fonksiyondaki ortalamaları karşılaştırılır.
- Değişken düzeyinde izleme. Soru tek tek değişkenlerle de ilgiliyse her biri Welch ANOVA ile, Holm düzeltmesiyle sınanır; anlamlı olanlarda Games-Howell karşılaştırmaları yapılır.
- Sınırlar. Öğrenciler hazır sınıflardan geliyorsa gözlemler sınıf içinde kümelenir ve bağımsızlık varsayımı zayıflar; yöntem rastgele atanmadıysa sonuç nedensel bir etki diye yazılmaz (korelasyon ve nedensellik).
MANOVA sonuçları nasıl raporlanır?
APA 7 biçimindeki bir raporda kullanılan ölçüt adıyla, değeri, F yaklaşımı, iki serbestlik derecesi, kesin p değeri ve çok değişkenli etki büyüklüğü verilir. Box’ın M testi ve varsayım denetimleri yöntem bölümüne, grupların her bağımlı değişkendeki ortalama ve standart sapmaları bir tabloya yazılır. Biçim şablonu şöyledir:
Tezde nasıl yazılır
Öğretim yönteminin matematik kaygısı, öz yeterlik ve tutum puanları üzerindeki birleşik etkisi anlamlıdır, Pillai izi = …, F(6, 172) = …, p = …, ηp² = …. İzleme analizlerinde …
İzleme analizlerinin hangi soruyu yanıtladığı (ayırma fonksiyonu mu, tek tek değişkenler mi) ve kullanılan düzeltme açıkça yazılır. Genel biçim kuralları APA 7’ye göre istatistik raporlama, tabloların tezdeki yeri bulgular bölümü nasıl yazılır yazısındadır. Uzmanla Çalış analiz ve yöntem desteğidir; tezi ya da bölümlerini yazmak, bulguları yorumlamak ve savunmak araştırmacının kendi işidir.
Sık yapılan hatalar nelerdir?
En sık hatalar genel testin yorumunda, bağımlı değişkenlerin seçiminde ve desenin tanınmasında yapılır:
- Genel testi ayrı ANOVA’ların “koruyucusu” saymak. Anlamlı bir çok değişkenli test, ardından yapılan düzeltmesiz ANOVA’ları birinci tür hataya karşı korumaz.
- İlişkisiz bağımlı değişkenleri tek bir çok değişkenli analize koymak. Kuramsal bağı olmayan değişkenler testin gücünü dağıtır ve sonucu yorumsuz bırakır.
- Toplam puanı alt boyutlarıyla birlikte almak. Hata matrisi tersine çevrilemez, analiz kurulamaz.
- Box’ın M testine göre ölçüt ya da analiz değiştirmek. Test normallikten sapmaya çok duyarlıdır; plan baştan sağlam ölçütle kurulur.
- Yalnız tek tek değişkenlere bakıp birleşimi yorumlamamak. Fark değişkenlerin birleşimindeyse ayrı analizler onu göstermez.
- Tekrarlı ölçümleri bağımsız gruplar gibi çözümlemek. Aynı kişilerin ölçümleri için tekrarlı ölçüm modelleri kullanılır.
Sık sorulan sorular
MANOVA ile ANOVA arasındaki fark nedir?
ANOVA grupları tek bir bağımlı değişkende karşılaştırır. MANOVA birden çok bağımlı değişkeni birlikte inceler, aralarındaki ilişkiyi hesaba katar ve grupları en iyi ayıran değişken birleşimini arar.
MANOVA’da hangi ölçüt raporlanmalı: Pillai izi mi, Wilks lambda mı?
Olson’ın (1974, 1976) bulgularına göre varsayımlar zorlandığında en sağlam ölçüt Pillai izidir; bu yüzden analiz planında varsayılan seçim olarak öne çıkar. Hangisi seçildiyse raporda adıyla yazılır.
Kaç bağımlı değişken kullanılabilir?
Kesin bir sayı yoktur. Bağımlı değişkenler kuramdan gelir ve birlikte anlam taşır. Her grupta gözlem sayısı bağımlı değişken sayısından büyük olmalıdır; değişken eklemek gerekli örneklemi de büyütür.
İki grup varsa MANOVA mı, Hotelling T² mi kullanılır?
İkisi aynıdır. İki grupta MANOVA’nın dört ölçütü de Hotelling’in T² testiyle aynı F değerini verir.
MANOVA anlamlı ama hiçbir ayrı ANOVA anlamlı değilse ne olur?
Bu çelişki değildir. Gruplar tek tek değişkenlerde değil, değişkenlerin bir birleşiminde ayrışıyor olabilir. Bu birleşim ayırma fonksiyonlarının katsayıları ve yapı katsayılarıyla incelenir.
- #manova
- #anova
- #varyans-analizi
- #parametrik-testler
Bilimsel inceleme
Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.
Kaynakça
- Anderson, M. J. (2001). A new method for non-parametric multivariate analysis of variance. Austral Ecology, 26(1), 32–46.
- Anderson, M. J., & Walsh, D. C. I. (2013). PERMANOVA, ANOSIM, and the Mantel test in the face of heterogeneous dispersions: What null hypothesis are you testing? Ecological Monographs, 83(4), 557–574.
- Box, G. E. P. (1949). A general distribution theory for a class of likelihood criteria. Biometrika, 36(3–4), 317–346.
- Hotelling, H. (1931). The generalization of Student's ratio. The Annals of Mathematical Statistics, 2(3), 360–378.
- Huberty, C. J., & Morris, J. D. (1989). Multivariate analysis versus multiple univariate analyses. Psychological Bulletin, 105(2), 302–308.
- Huberty, C. J., & Olejnik, S. (2006). Applied MANOVA and discriminant analysis (2nd ed.). Wiley.
- Johansen, S. (1980). The Welch-James approximation to the distribution of the residual sum of squares in a weighted linear regression. Biometrika, 67(1), 85–92.
- Layard, M. W. J. (1974). A Monte Carlo comparison of tests for equality of covariance matrices. Biometrika, 61(3), 461–465.
- Olson, C. L. (1974). Comparative robustness of six tests in multivariate analysis of variance. Journal of the American Statistical Association, 69(348), 894–908.
- Olson, C. L. (1976). On choosing a test statistic in multivariate analysis of variance. Psychological Bulletin, 83(4), 579–586.
- Pillai, K. C. S. (1955). Some new test criteria in multivariate analysis. The Annals of Mathematical Statistics, 26(1), 117–121.
- West, S. G., Finch, J. F., & Curran, P. J. (1995). Structural equation models with nonnormal variables: Problems and remedies. In R. H. Hoyle (Ed.), Structural equation modeling: Concepts, issues, and applications (pp. 56–75). Sage.
- Wilks, S. S. (1932). Certain generalizations in the analysis of variance. Biometrika, 24(3–4), 471–494.
- Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181.
Kendi verinizde görün
Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin
Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git
İlgili yazılar
İstatistiksel Testler
İki Yönlü ANOVA Nedir? Ana Etki ve Etkileşim
İki yönlü ANOVA iki faktörün ana etkilerini ve etkileşimini birlikte sınar. Basit etkiler, kareler toplamı türleri, eşit olmayan varyans ve raporlama.
Basira ·
İstatistiksel Testler
ANCOVA Nedir? Kovaryans Analizi Ne Zaman Kullanılır?
ANCOVA (kovaryans analizi) grupları bir ortak değişkene, örneğin ön teste göre düzelterek karşılaştırır. Varsayımlar, eğimlerin homojenliği ve fark puanı.
Basira ·
İstatistiksel Testler
Post Hoc Testleri: Tukey, Games-Howell ve Dunn
Post hoc testleri anlamlı bir ANOVA ya da Kruskal-Wallis sonrasında hangi grupların farklı olduğunu gösterir. Tukey, Games-Howell ve Dunn testleri örnekle.
Basira ·