Как проверить значимость полиномиальных (линейных) трендов среди групп с неравными дисперсиями? - PullRequest
0 голосов
/ 12 июня 2019

Я проверяю линейный тренд среди нескольких групп, однако мои данные нарушили предположение о равной дисперсии между группами (проверено однородностью дисперсии Левена).

В SPSS, наряду со значимостью линейного тренда, предполагающего равную дисперсию, существует автоматический выход для значимости, где равные отклонения не предполагаются.Какой «тест» или «корректировка» делается?Могу ли я сделать это в R, и как?

1006 * Изображение выхода SPSS: (https://encrypted -tbn0.gstatic.com / изображений д = ТБН: ANd9GcSZRs3EM3wJz5raHhav-LLBTmTyfLJO0z4xHDEzI-3uI15BoBQ5 )

Я изо всех силчтобы выяснить, что именно делает SPSS, но это может быть своего рода поправка Уэлча?

# TEST homogeneity of variance
leveneTest(ICECAP_A ~ SFMental_f, data = SCI)

p <0,001, поэтому мы отвергаем нулевую однородность дисперсии. </p>

# Use built-in contr.poly() function: Tell R to get a polynomial contrast matrix for 5 levels/groups
contrasts(SCI$SFMental_f) <- contr.poly(n=5)

# call an ANOVA
anova.SFMental <- aov(ICECAP_A ~ SFMental_f, data = SCI)

# print output, show linear trend result
summary.aov(anova.SFMental, split=list (SFMental_f=list ("Linear"=1)))

Теперь яимеют значение для линейного тренда.Как мне получить значение, если мы НЕ принимаем равные отклонения?

1 Ответ

0 голосов
/ 27 июня 2019

Кажется, что SPSS выполняет коррекцию, используя [Уравнение Уэлч-Саттертвейта] 1 .Спасибо Энди Филду за подсказку.Но прямой альтернативы R нет, поэтому я построил контрасты обычным способом и вместо этого запустил надежную модель с lmRob().

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...