Überlegungen zu Daten für Allgemeine MANOVA

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Die Daten müssen mindestens einen kategorialen Faktor enthalten.

Die kategorialen Faktoren müssen feste Faktoren sein, die gekreuzt und geschachtelt können.

• Wenn Sie über kategoriale Zufallsfaktoren verfügen, verwenden Sie Modell mit gemischten Effekten anpassen.
• Wenn Sie ausschließlich über stetige Prädiktorvariablen verfügen, verwenden Sie Regressionsmodell anpassen.

Weitere Informationen zu Faktoren finden Sie unter Faktoren und Faktorstufen, Was sind Faktoren, gekreuzte Faktoren und geschachtelte Faktoren? und Wodurch unterscheiden sich feste Faktoren und Zufallsfaktoren?.

Die Antwortvariablen müssen stetig sein.

Wenn die Antwortvariablen korreliert sind, können mit dem MANOVA-Test multivariate Antwortmuster und kleinere Differenzen erkannt werden, als dies mit separaten ANOVA-Tests möglich wäre. Wenn die Antwortvariable kategorial ist, besteht eine geringere Wahrscheinlichkeit, dass das Modell die Annahmen der Analyse erfüllt, die vorliegenden Daten genau beschreibt oder eine Grundlage für nützliche Prognosen darstellt.

• Wenn Sie über eine Antwortvariable oder mehrere nicht korrelierte Antwortvariablen verfügen, können Sie mit Allgemeines lineares Modell anpassen ähnliche Ergebnisse erhalten.
• Wenn die Antwortvariable zwei Kategorien enthält, z. B. „Bestanden“ und „Nicht bestanden“, verwenden Sie Binäres logistisches Modell anpassen.
• Wenn die Antwortvariable drei oder mehr Kategorien mit einer natürlichen Rangfolge aufweist, z. B. „Starke Ablehnung“, „Ablehnung“, „Neutral“, „Zustimmung“ und „Starke Zustimmung“, verwenden Sie Ordinale Logistische Regression.
• Wenn die Antwortvariable drei oder mehr Kategorien ohne natürliche Rangfolge aufweist, z. B. Kratzer, Delle und Riss, verwenden Sie Nominale Logistische Regression.
• Wenn mit der Antwortvariablen Ereignishäufigkeiten gezählt werden, z. B. die Anzahl der Fehler, verwenden Sie Poisson-Modell anpassen.

Jede Beobachtung sollte unabhängig von allen anderen Beobachtungen sein

Wenn die Beobachtungen voneinander abhängen, sind Ihre Ergebnisse möglicherweise ungültig. Untersuchen Sie die folgenden Aspekte, um festzustellen, ob die Beobachtungen unabhängig sind:

• Wenn eine Beobachtung keine Informationen über den Wert einer anderen Beobachtung liefert, sind die Beobachtungen unabhängig.
• Wenn eine Beobachtung Informationen über den Wert einer anderen Beobachtung liefert, sind die Beobachtungen voneinander abhängig.

Die Stichprobendaten sollten nach dem Zufallsprinzip ausgewählt werden

Mit Zufallsstichproben werden Verallgemeinerungen zu einer Grundgesamtheit angestellt und Schlussfolgerungen zu dieser gezogen. Wenn die Daten nicht nach dem Zufallsprinzip erfasst wurden, stellen die Ergebnisse u. U. nicht die Grundgesamtheit dar.

Orientieren Sie sich bei der Datenerfassung an optimalen Vorgehensweisen

Befolgen Sie die folgenden Richtlinien, um sicherzustellen, dass Sie gültige Ergebnisse erhalten:

• Vergewissern Sie sich, dass die Daten repräsentativ für die Grundgesamtheit von Interesse sind.
• Erfassen Sie eine ausreichende Datenmenge, um die notwendige Präzision zu erzielen.
• Messen Sie Variablen so genau und präzise wie möglich.
• Zeichnen Sie die Daten in der Reihenfolge auf, in der sie erfasst werden.

Das Modell sollte gut an die Daten angepasst sein

Wenn das Modell nicht gut an die Daten angepasst ist, können die Ergebnisse irreführend sein. Bestimmen Sie anhand der Residuendiagramme, der Bewertungsstatistiken für ungewöhnliche Beobachtungen und der zusammenfassenden Statistiken zum Modell in der Ausgabe, wie gut das Modell an die Daten angepasst ist.