作者loveunco (挂版没有公理正义可言)
看板Statistics
标题[问题] 多变量变异数分析或变异数分析
时间Fri Dec 24 15:18:43 2010
想请问一下各位
多变量变异数分析 或 变异数分析的使用时机 ?
对於调查研究而言 有没有一些相适配的部份@@
以上!感谢~
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 210.240.225.148
1F：→ Chsieh:一个单变量一个多变量〈被殴 12/24 19:57
2F：→ coldwind0912:一楼不会被殴呀 相当中肯 事实上就是如此 12/24 22:19
3F：→ gsuper:就是分小批处理或一次全部处理的差别 12/25 14:54
4F：→ gsuper:一个 3-levels 的 one-way ANOVA 可以切成 3个 t检定 12/25 14:55
5F：→ gsuper:同样的 , 多变量ANOVA也能切割成很多小的ANOVA来算 12/25 14:55
6F：→ ADORIAN:楼上讲的有误... 12/26 11:18
7F：→ coldwind0912:g大 如果可以这样说切就切 说分批就分批.... 12/26 21:54
8F：→ coldwind0912:那统计学家们 发展出这麽多的分析方法 是太无聊是吗? 12/26 21:55
9F：→ bmka:g大要不要认真考虑做统计,你有很好的creativity,很适合做研究 12/28 12:00
10F：→ bmka:可以再想想,切割成小的ANOVA後,怎麽把所有的information再 12/28 12:03
11F：→ bmka:串起来,PS:类似的想法其实有被用来处理更复杂的资料结构 12/28 12:04
12F：→ bmka:有兴趣不妨查查composite likelihood method 12/28 12:05
13F：→ bmka:明年statistica sinica有一期专门讨论这个方法的应用 12/28 12:54
14F：→ bluechuchy:MANOVA有整体检定，不是说用ANOVA切一切就好的 12/28 17:17
15F：→ bluechuchy:即便你用ANOVA把显着水准临界值调高，也都跑得出来 12/28 17:18
16F：→ bluechuchy:但按理论或实务需求需要整体检视时，就是死在多变量 12/28 17:20
17F：→ bluechuchy:假定违反....> <，有很多事不是想像中这麽容易达到... 12/28 17:21
18F：推 gsuper:受教了 12/28 19:15
19F：→ ADORIAN:不是死在违反设设. 一个二维的MANOVA要切几个一维的ANOVA 12/28 23:31
20F：→ ADORIAN:来看? 我想应该是不可数个 12/28 23:32
21F：→ ADORIAN:很多软体书都写 做 ANOVA 前要先做 MANOVA, 都会让人摸不 12/28 23:38
22F：→ ADORIAN:着头绪. (却没写说 regression 前要 multivariate regs.) 12/28 23:39
23F：→ bmka:为什麽是不可数? 12/28 23:54
24F：→ bmka:如果只对mean structure有兴趣,不考虑efficiency,那麽MANOVA 12/28 23:56
25F：→ bmka:是可以"切成"ANOVA来看, 想想GEE的精神,其实有异曲同工之妙 12/28 23:58
26F：→ bmka:(GEE with working independent correlation structure) 12/29 00:00
27F：→ ADORIAN:二维的MANOVA [Y1, Y2] 硬是要切成一维来看的话, 不只有 12/29 01:10
28F：→ ADORIAN:Y1 及 Y2 两种选择, 任何的 a1Y1+a2y2 都是一种一维的情况 12/29 01:11
29F：→ ADORIAN:GEE 的想法很有趣, 我从没这样想过, 再想想看 12/29 01:12
30F：→ ADORIAN:或许要考虑一下有多不 efficiency ... 12/29 01:22
31F：→ bmka:a1Y1+a2y2?除非这个新outcome有特殊的解释意义才会想这麽做吧 12/29 01:34
32F：→ ADORIAN:的确 [Y1 bar, Y2 bar] ~ MN(\mu, \Sigma/n), 在 n 够大 12/29 01:39
33F：→ ADORIAN:单变量就够用, 但谁能保证 n 够大到的可以不用多变量 12/29 01:41
34F：→ ADORIAN:No, 这就是单变量与多变量的差别, 一楼是正解 12/29 01:41
35F：→ bmka:一楼当然是对的, 但是看不懂A大n跟ANOVA,MANOVA选择的说法 12/29 01:44
36F：→ ADORIAN:就是不 efficiency 12/29 01:51
37F：→ ADORIAN:我的意思是 你说的用 GEE wiht independent working corr 12/29 01:53
38F：→ bmka:当然啦~最efficient的方法还是要回到full likelihood 12/29 01:53
39F：→ ADORIAN:也是对的, 但是还是要考虑一下efficiency 12/29 01:53
40F：→ bmka:pseudolikelihood method (eg.GEE)一般不会比较efficient 12/29 01:55
41F：→ bmka:但是很多情况下我们会牺牲efficiency,选择一个更robust的方法 12/29 01:56
42F：→ bmka:这也是为什麽GEE会受欢迎,因为只要mean structure是对的 12/29 01:57
43F：→ bmka:那麽inferential results(with robust SE) 就会是对的 12/29 01:58
44F：→ bmka:即使working correlation structure 不对 12/29 01:58
45F：→ bmka:所以g大在没修过太多统计课程的情况下可以提出"切割"的看法 12/29 02:02
46F：→ bmka:真的是要好好鼓励 :D 12/29 02:03
47F：→ ADORIAN:很同意你说的^^ , GEE 的好处与切不切就不太有相关 12/29 02:04
48F：→ bmka:有的,每一维的mean structure其实就是一般的regression 12/29 02:09
49F：→ bmka:而ANOVA其实就等同於做regression 12/29 02:10
50F：→ bmka:当然,我是把g大的idea放大跟美化,不过这样看东西比较有趣 12/29 02:12
51F：推 gsuper:看了以上一串我只能说 还好我的指导教授离统计很遥远 12/29 02:39
52F：→ gsuper:出去吃个消夜就变成这样 XDD 12/29 02:39
53F：→ ADORIAN:直接由 ANOVA 的检定统计量来看, 只要 E[Y1|x=1] 与 12/29 08:43
54F：→ ADORIAN:E[Y1|x=0] 有点不同, 在 n 够大时, Y1|x=1 与 Y2|x=0 的检 12/29 08:44
55F：→ ADORIAN:定结果就会拒绝 H0 (consistent). 但不代表对所有 n 来说 12/29 08:44
56F：→ ADORIAN:两个 ANOVA 能做到二维 MANOVA 的事 (不 efficient). 12/29 08:45
57F：→ ADORIAN:这是大样本性质, 与由不由 GEE 来看无关. 12/29 08:45
58F：→ ADORIAN:打错.. Y1|x=1 与 Y1|x=0 的检 12/29 08:47
59F：→ bmka:分开两个ANOVA的假设比MANOVA少(2 marginal densities vs 1 12/29 09:29
60F：→ bmka:joint density)当然能做的事比较少 XD 12/29 09:31
61F：→ bmka:除非correlation structure是主要的兴趣,否则还是回到 12/29 09:37
62F：→ bmka:efficiency vs robustness的选择罗...各有各的优/缺点 12/29 09:38