Я, наверное, не поняла в каком виде данные необходимо представить. Такое изображение подходит?

Да, совсем другое дело. Можете, когда захотите.

Теперь смотрите. У вас, как и предполагалось ,однофакторная МАНОВА: зависимые переменные mmpi1-mmpi10 и группирующий фактор grupp (жаль, что он в скриншот не попал). Кодируйте его уровни 1-2-3 и т.д. и будет вам счастье.

Здравствуйте, спасибо Вам за участие. Группирующий фактор у меня так и закодирован. Если я на правильном пути то:
1. На тест о равенстве дисперсий не ориентироваться
2. Основываться на аналоги F-теста
3. Post hoc не использовать

4. Тогда объясните мне, пожалуйста, произведя эти манипуляции и обнаружив различия, как мне узнать какие именно группы различаются? И еще, где можно более подробно почитать об аналогах F-теста, используемых в MANOVе ? И как их правильно описывать?

1. Не ориентироваться. Поскольку тогда должно быть 10 результатов тестов (одномерных) на равенство дисперсий по каждой переменной.
2. Да.
3. Не могу сходу ответить на этот вопрос. Похоже, надо зайти в раздел "Пост хок" и посмотреть, что они там предлагают для МАНОВы. Возможно, будут осуществляться попарные сравнения для каждой зависимой переменной, как это делается в одномерном случае.
4. Описывать ничего не надо. Надо ориентироваться на достигаемый для каждого теста уровень значимости. Если он <.05, то констатируете различия в дисперсионном комплексе.

Почитать про тесты очень просто. Н-р, вот тут

Сообщение отредактировал 100$ - 20.01.2014 - 16:49

Спасибо, Вы очень помогли, многое разъяснили.

Отпишитесь, получилось или нет? А что с пост хоками?

По post hoc нашла следующее: для каждой DV можно провести одномерный ДА, тогда уровень значимости выставлять не 0,05, а 0,01. Но наиболее подходящее:
1. Roy-Bargmann Stepdown Analysis
2. Discriminant analysis

напишу как получилось и получилось ли

Проведя на первом этапе MANOVу и получив в результате значимые различия между группами по 3 DV, стала перед выбором, что далее. Если на втором этапе проводить ANOVу, то теряется идея многомерности. Я выбрала дискриминантный анализ. В итоге, значимыми оказались различия по двум переменным. Верно ли я двигаюсь?

Получается дискриминантный анализ, в данном случае, и есть post hoc?

Не знаю. Всегда считал дискриминантный анализ методом классификации (распознавания) объектов.

В этом-то и вопрос. Я раньше не использовала дискриминантный для такой цели.

А вы цель и не формулировали... Вы продолжили тему конкретными вопросами по ДА, а в зависимости от цели и контекста ислледования не факт, что ДА - лучший метод. Ваши данные можно обрабатывать совсем разными техниками и их сочетаниями. Варианты:
1. Для 10 показателей провести 10 отдельных ДА. Так лучше поступать, если вы пытаетесь найти отдельные показатели, по которым группы различаются наиболее сильно. Т.е. если вы планируете обсуждать различия по каждому показателю в отдельности - так и делайте. Для неравных дисперсий существуют модификации однофакторного ДА (например, К. Мардиа, П. Земроч. Таблицы F-распредлений. М.: Наука, 1984), есть и программные реализации: например, в пакете PAST F-критерий и р автоматически считаются как классикой, так и с подходом Вэлча. Т.е. используется тот же принцип, что и для критерия Стьюдента с неравными дисперсиями. Для апостериорных сравнений в случае неравных дисперсий нужно искать метод Games-Howell. У вас какие-то психологические данные, не факт, что они нормально распределены - может потому и дисперсии отличаются, что хвосты длинные. Поэтому вместо однофакторного ДА можно использовать критерий Краскела-Уоллиса с последующими апостериорными сравнениями методами Steel-Dwass или Dann.
2. MANOVA просится, если вас интересуют именно интегральные различия между группами по комплексу возможно связанных между собой показателей. Я этот анализ обычно не использую, т.к. есть более информативные (с моей точки зрения) подходы. Поэтому по манове не подскажу конкретно.
3. Дискриминантый анализ просится если вас интересуют не столько сами различия по комплексу признаков, сколько специфические особенности групп + возможность выработки правила для отнесения объекта к одной из них. Факторная структура в дискриминантном анализе, в отличие от техник типа главных компонент и факторного анализа интерпретируется не по существу стоящих за различиями процессов, а именно с т.з. групповых различий... короче, хуже интерпретируется А вообще инструмент - мощный, графики в канонических осях - наглядные. Для этой же цели можно использовать деревья решений - тоже графики наглядней некуда.
4. Можно начать с многомерного анализа, к тому же вам, как психологу, этот инструментарий должен быть знаком куда лучше чем врачам. Можно сделать анализ главных компонент или факторный анализ на всём массиве данных, выделить несколько главных латентных переменных, рассчитать их метки (scores) для всех индивидов и сравнить группы в ходе ДА по этим новым переменным. Помимо различий получится также хорошее обобщение данных, которое представляет самостоятельную ценность. А можно сделать многомерный анализ для каждой группы отдельно (если объёмы выборок позволяют), а далее сравнить факторные структуры в ходе прокрустового анализа: посмотреть что общего, а по матрице остатков - в чём специфика. Может даже оказаться, что в одной из трёх групп присутствует (отсутствует) какой-то фактор, а это уже явная аномалия - так можно из комбинации количественных показателей выйти на качественные различия. К слову, в статьях, а особенно книгах часто пишут про "глубокие качественные различия", а показывают и обсуждают при этом отдельные количественные показатели, противореча самим себе...
Т.к. все блоки дают несколько специфическую информацию - можно сочетать.

Сообщение отредактировал nokh - 22.01.2014 - 14:00

Nokh, спасибо за столь развернутое пояснение. Дело в том, что группы у меня изначально различаются. И моя цель скорее показать отсутствие различий по изучаемым переменным.
Факторный анализ я делала ранее на всех данных, и результаты подтвердили мои теоретические предположения.

Ваши идеи обдумываю.

Вот я и домучила свои данные. При проведении ДА были выделены две переменные с наибольшей долей совокупной дисперсии. Далее, при проведении дискриминантного анализа эти же переменные вошли в уравнение. Большое спасибо всем, кто принимал непосредственное участие.

Я тут по случаю выяснил, что люд честной применяет в качестве пост хоков в МАНОВ'е: тест Хотеллинга с коррекцией Бонферрони.

Спасибо за информацию. И сразу вопрос: Вы имеете в виду Hotelling's Trace, который считается автоматически в MANOVe, как и другие аналоги или тест Хотеллинга с коррекцией Бонферрони что-то отдельное? Закрались сомнения...

Сообщение отредактировал zira - 29.01.2014 - 02:30