ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 17.11.2021
Просмотров: 3510
Скачиваний: 4
72
Глава 11
GT2
Гохберга
подобен критерию Тьюки достоверно значимой разности
,
но использует
стьюдентизированный максимальный модуль
.
Мощность критерия Тьюки обычно больше
.
Критерий парных сравнений Габриэля
также использует стьюдентизированный
максимальный модуль и обычно имеет большую мощность
,
чем
GT2
Гохберга
,
при
неравных объемах ячеек
.
Критерий Габриэля может стать либеральным
,
когда размеры
ячеек сильно различаются
.
T-
критерий парных множественных сравнений Даннетта
сравнивает средние
по уровням фактора с единственным контрольным средним
.
Последняя категория
(
уровень фактора
)
по умолчанию служит контрольной
.
Как вариант можно выбрать
первую категорию
.
Вы также можете выбрать двухсторонний или односторонний
критерий
.
Чтобы проверить
,
отличается ли среднее для некоторого уровня фактора
(
за
исключением контрольной категории
)
от среднего для контрольной категории
,
используйте
двухсторонний критерий
.
Для выяснения того
,
будет ли среднее для какого
-
либо уровня
фактора меньше
,
чем среднее для контрольной категории
,
выберите
< Контр.
.
Аналогично
для проверки того
,
больше ли среднее для некоторого уровня фактора
,
чем среднее для
контрольной категории
,
выберите
> Контр.
.
Райан
,
Эйнот
,
Габриэль и Уэлш
(
Р
-
Э
-
Г
-
У
)
разработали два множественных нисходящих
(step-down)
критерия размаха
.
Множественная нисходящая процедура сначала
проверяет
,
равны ли все средние
.
Если не все средние равны
,
на равенство проверяются
подмножества средних значений
.
F
Р
-
Э
-
Г
-
У
основывается на
F
-
критерии
,
а
Q
Р
-
Э
-
Г
-
У
-
на стьюдентизированном размахе
.
Эти критерии являются более мощными
,
чем
множественный критерий размаха Дункана и критерий Стьюдента
-
Ньюмена
-
Келса
(
которые также представляют собой множественные нисходящие процедуры
),
однако они
не рекомендуются для ячеек неравного объема
.
Если дисперсии не равны
,
используйте критерий
Тамхейна
T2
(
консервативный
критерий парных сравнений
,
основанный на
t
-
критерии
),
критерий
Даннетта
T3
(
критерий
парных сравнений
,
основанный на стьюдентизированном максимальном модуле
),
критерий
парных сравненийГеймса
-
Хоуэлла
(
иногда либеральный
)
или критерий
Даннетта С
(
критерий парных сравнений
,
основанный на стьюдентизированном размахе
).
Следует
заметить
,
что эти тесты недостоверны и не могут проводится при наличии в модели
нескольких факторов
.
Множественный критерий размаха Дункана
,
критерии Стьюдента
-
Ньюмена
-
Келса
(
С
-
Н
-
К
)
и
Тьюки
b
-
это критерии размаха
,
ранжирующие групповые средние и
вычисляющие величину размаха
.
Эти критерии используются реже
,
чем обсуждавшиеся
выше
.
T-
критерий Уоллера
-
Дункана
использует Байесовский подход
.
Этот критерий размаха
использует гармоническое среднее объемов выборок
,
когда объемы выборок не равны
.
Уровень значимости критерия
Шефф
é
устанавливается так
,
чтобы можно было
протестировать все возможные линейные комбинации групповых средних
,
а не только
парные сравнения
,
доступные в этом качестве
.
В результате
,
критерий Шефф
é
часто
более консервативен
,
чем остальные
,
это означает
,
что для значимости требуется большая
разность между средними
.
Критерий наименьшей значимой разности
(
НЗР
)
парных множественных сравнений
эквивалентен множеству отдельных
t
-
критериев между всеми парами групп
.
Недостаток
этого критерия в том
,
что не делается попытки скорректировать наблюденный уровень
значимости для множественных сравнений
.
73
Общая линейная модель: одномерный анализ
Представленные тесты.
Парные сравнения предусматриваются для НЗР
,
Шидака
,
Бонферрони
,
Геймса и Хоуэлла
,
Тамхейна
T2
и
T3,
Даннетта
C
и Даннетта
T3.
Однородные
подмножества для критериев размаха предусматриваются для С
-
Н
-
К
,
Тьюки
b
,
Дункана
,
F
Р
-
Э
-
Г
-
У
,
Q
Р
-
Э
-
Г
-
У и Уоллера
.
Критерий Тьюки достоверно значимой разности
, GT2
Гохберга
,
критерий Габриэля и критерий Шефф
é
являются одновременно критериями
множественных сравнений и критериями размаха
.
Сохранение новых переменных в ОЛМ
Рисунок 11-7
Диалоговое окно «Сохранить»
Вы можете сохранить значения
,
предсказанные моделью
,
остатки и связанные с моделью
меры в качестве новых переменных в редакторе данных
.
Многие из этих переменных
можно затем использовать для проверки предположений о данных
.
Для обращения к ним во
время других сеансов работы с
IBM® SPSS® Statistics,
нужно сохранить этот файл данных
.
Предсказанные значения.
Значения
,
которые модель предсказывает для каждого
наблюдения
.
Нестандартизованные.
Значение зависимой переменной
,
предсказываемое в
соответствии с моделью
.
Взвешенные.
Взвешенные нестандартизованные предсказанные значения
.
Опция
доступна только тогда
,
когда предварительно была выбрана ВМНК
-
переменная
.
Стд. ошибка.
Оценка стандартного отклонения среднего значения зависимой
переменной для наблюдений с одинаковыми значениями независимых переменных
.
Диагностики.
Меры
,
выявляющие наблюдения с необычными комбинациями значений
независимых переменных и наблюдения
,
которые могут оказать большое влияние на
модель
.
74
Глава 11
Расстояние Кука.
Для каждого наблюдения показывает насколько изменятся
остатки всех наблюдений
,
если это наблюдение не использовать при вычислении
коэффициентов регрессии
.
Большое расстояние Кука указывает на то
,
что исключение
данного наблюдения из вычислений регрессии существенно меняет коэффициенты
.
Значения разбалансировок.
Нецентрированные значения разбалансировки
.
Относительное влияние каждого наблюдения на согласие модели
.
Остатки.
Нестандартизованный остаток
-
это фактическое значение зависимой переменной
минус значение
,
предсказанное моделью
.
Можно получить также стандартизованные
,
стьюдентизированные и
“
удаленные
”
остатки
.
Если выбрана переменная весов
,
можно
вычислить взвешенные нестандартизованные остатки
.
Нестандартизованные.
Разность между наблюдаемым и предсказанным моделью
значением
.
Взвешенные.
Взвешенные нестандартизованные остатки
.
Опция доступна только
тогда
,
когда предварительно была выбрана ВМНК
-
переменная
.
Стандартизованные.
Остаток
,
деленный на оценку его стандартного отклонения
.
Стандартизованные остатки
,
известные еще как пирсоновские
,
имеют среднее
0
и
стандартное отклонение
1.
Стьюдентизированные.
Остаток
,
деленный на его оцененное стандартное отклонение
,
меняющееся от наблюдения к наблюдению в зависимости от расстояния значений
независимых переменных для данного наблюдения от средних независимых
переменных
.
Удаленные.
Остаток для наблюдения
,
когда данное наблюдение исключается при
вычислении регрессионных коэффициентов
.
Это разность между значением зависимой
переменной и скорректированным предсказанным значением
.
Статистики коэффициентов
Ковариационная матрица оценок параметров модели
сохраняется в новом наборе данных или во внешнем файле данных в формате
SPSS
Statistics.
Кроме того
,
для каждой зависимой переменной в нем содержится строка
оценок параметров
,
строка уровней значимости
t
-
статистик
,
соответствующих оценкам
параметров
,
и строка степеней свободы остатков
.
В многомерной модели есть подобные
строки для каждой зависимой переменной
.
Этот файл можно использовать в других
процедурах
,
читающих матричные файлы
.
75
Общая линейная модель: одномерный анализ
Параметры процедуры ОЛМ
Рисунок 11-8
Диалоговое окно Параметры
Это диалоговое окно позволяет задать дополнительные статистики
.
Статистики
вычисляются с использованием модели с фиксированными эффектами
.
Оцененные маргинальные средние.
Выберите факторы и взаимодействия
,
для которых
Вы хотите получить оценки маргинальных средних значений популяций в ячейках
.
Эти
средние корректируются с учетом ковариат
,
если они присутствуют в модели
.
Сравнить главные эффекты.
Дает не скорректированные парные сравнения между
оцененными маргинальными средними для любых главных эффектов в модели
,
как для
внутригрупповых
,
так и для межгрупповых факторов
.
Этот пункт доступен
,
только
если главные эффекты заданы в списке Вывести средние для
.
Корректировка доверительных интервалов.
Выберите одну из следующих
корректировок доверительных интервалов и значимости
:
наименьшая значимая
разность
(
НЗР
),
Бонферрони или Шидак
.
Этот пункт доступен
,
только если стоит
флажок
Сравнить главные эффекты
.
Вывести.
Выберите
Описательные статистики
,
чтобы получить наблюденные средние
,
стандартные отклонения и частоты в ячейках для всех зависимых переменных
.
Выбор
Оценки силы эффекта
дает значение частной эта
-
квадрат для каждого эффекта и каждой
оценки параметра
.
Статистика эта
-
квадрат описывает долю суммарной вариабельности
,
приписываемую фактору
.
Выберите
Наблюденная мощность
,
чтобы получить мощность
критерия
,
когда альтернативная гипотеза формулируется на основе наблюденного значения
.
Выберите
Оценки параметров
,
чтобы получить оценки параметров
,
стандартные ошибки
,
76
Глава 11
результаты
t
-
критерия
,
доверительные интервалы и наблюденную мощность для каждого
критерия
.
Выберите
Матрица коэфф. контрастов
,
чтобы получить матрицу
L
.
Выбор
Критерии однородности
выводит критерий Ливиня однородности дисперсии для
каждой зависимой переменной по всем комбинациям уровней межгрупповых факторов
,
только для межгрупповых факторов
.
Пункты График разброса по уровням и График
остатков полезны для проверки предположений о данных
.
Этот пункт недоступен
,
если отсутствуют факторы
.
Выберите
График остатков
,
чтобы для каждой зависимой
переменной вывести двумерные графики всех возможных комбинаций наблюденных
значений
,
предсказанных значений и стандартизованных остатков
.
Эти графики полезны
для проверки предположения о равенстве дисперсии
.
Выберите
Отсутствие согласия
,
чтобы проверить
,
может ли построенная модель адекватно описать связь между зависимой
переменной и независимыми переменными
.
Выбор
Общая функция, допускающая
оценку
позволяет конструировать и проверять гипотезы
,
основанные общей функции
,
допускающей оценку
.
Строки в любой матрице коэффициентов контрастов представляют
собой линейные комбинации общей функции
,
допускающей оценку
.
Доверительный уровень.
Возможно
,
Вы захотите скорректировать уровень значимости
,
используемый в апостериорных критериях
,
и доверительный уровень
,
используемый при
конструировании доверительных интервалов
.
Заданное значение используется также для
вычисления наблюденной мощности критерия
.
Когда Вы задаете уровень значимости
,
в
диалоговом окне выводится соответствующий уровень доверительных интервалов
.
Команда UNIANOVA: дополнительные возможности
Язык синтаксиса команд также позволяет
:
Задать вложенные
(nested)
эффекты в плане
(
используя подкоманду
DESIGN
).
Задать тесты
,
сравнивающие эффекты с линейной комбинацией эффектов или
некоторым значением
(
используя подкоманду
TEST
).
Задать множественные контрасты
(
используя подкоманду
CONTRAST
).
Включить пользовательские пропущенные значения
(
используя подкоманду
MISSING
).
Задать
EPS
критерии
(
используя подкоманду
CRITERIA
).
Сформировать свои собственные матрицу
L
,
матрицу
M
и матрицу
K
(
используя
подкоманды
LMATRIX
,
MMATRIX
и
KMATRIX
).
Для контрастов типа отклонение или простых контрастов задать промежуточную
опорную категорию
(
используя подкоманду
CONTRAST
).
Задать метрики для полиномиальных контрастов
(
используя подкоманду
CONTRAST
).
Задать компоненты ошибки для апостериорных сравнений
(
используя подкоманду
POSTHOC
).
Вычислить оцененные маргинальные средние для любого фактора или взаимодействия
факторов среди факторов из списка факторов
(
используя подкоманду
EMMEANS
).
Задать имена для временных переменных
(
используя подкоманду
SAVE
).
Создать файл данных корреляционной матрицы
(
используя подкоманду
OUTFILE
).