Радует, что наши реальности совпадают и Ваш материл подтверждает мою позицию Задать анализ для повторных измерений в ДА можно двумя способами: (1) с использованием Sigma-restricted Model и (2) Overparameterized Model. Насколько я понимаю подход (2) более старый, классический, а подход (1) - новее, широко используется в обобщённых линейных моделях (могу ошибаться). Обе модели приводят к абсолютно идентичному результату, хотя требования моделей разные, не все проверки возможны.
Для выбора способа анализа разные пакеты предоставляют разные механизмы. В пакетах Statistica и SPSS в модуле Repeated measures ANOVA возможно задание только Sigma-restricted model, это видно и по способу расположения данных повторных измерений в соседних колонках и по таблице результатов ДА, дающих только фактор и ошибку. В пакете NCSS - в модуле Repeated measures ANOVA возможно задать только Overparameterized Model. Это видно и по структуре данных для анализа, включающих в качестве отельного фактора "индивида", и по результатам (большая таблица с взаимодействиями и нулевой ошибкой в самой маленькой ячейке комплекса). Поскольку для меня принципиально, что Overparameterized Model позоляет извлечь из данных больше информации + получить представление о характере распределения показателя (и, возможно, о необходимости использования преобразований) я нашёл способ построения такой модели в Statistica и SPSS - через модуль General Linear Models. Собственно он и изложен в инструкции как способ 2.

В своих книгах быстро не нашёл. Но посмотрите может это близко и поможет?: http://frank.itlab.us/datamodel/node103.html
Ещё вот хорошая книжка "на вырост" по смешанным моделям (включая ANOVA). Матричной формы там хоть отбавляй! Будет лежать неделю: http://yadi.sk/d/sKDILr_RNMiEy

Да, спасибо, я сейчас в этой книженции роюсь

Не совсем

Задать анализ можно, действительно, в двух модулях, если речь идет о Statistica, как вы это и показали. Но оба метода параметризации вы можете использовать в каждом подходе. Сделайте метку Lack of fit в ANOVA для повторных измерений и получите избыточную параметризацию.
А в подходе 2 таже есть и сигма ограниченная и избыточная модель параметризации.

Где вы воообще задаете методы параметризации в NCSS ?
Вы можете посмотреть тот пример, который рассматривается в прикрепленной вами документации, где действительно, кроме времени есть еще фактор, и там субъект помещается не в поле фактор, а в поле Subject Var, но это не имеет отношения к параметризации.

Какой именно?
Я вижу недостатки использования 2 методы в очень простых вещах.
Представление данных повторных наблюдений, как требует соответствующий модуль Statistica, в виде матрицы наблюдений, позволяет сразу вспомнить о сферичности. Средние попарные разницы у каждого объекта между периодами лежат в основе расчета критерия сферичности. Их можно легко получить. Кроме того, отсутствующие значения в одном из сроков наблюдения не попадут в расчет средних. Мне уже приходилось видеть результаты динамических наблюдений с различным числом наблюдений на разные сроки.
Кроме сферичности, большое значение для повторных измерений имеет Effect size, который также присутствует именно в этом модуле.
Есть вопрос о нарушении сферичности, если поправку все же приходится делать и вместо р=0,0001 имеем только 0,04 ,как это учитывается при проведении мнежественных сравнений.

Хорошую книжку читает 100$ спасибо, тема может иметь продолжение, только совсем времени не хватает

Файл с примером из документации NSCC есть, могу выложить

Кстати тема под руку, что значит, если при проведении теста Моучли там где значимость стоит прочерк?

А потому что Измерение 1, а нужно и 2 и 3 как минимум

Эти возможности откроются в модуле ANOVA для повторных измерений тогда, когда у вас появится кроме времени еще фактор, эффект которого вас интересует.

DrgLena а сколько там должно быть измерений? у меня замер до психотерапии и замер после нее по одной переменной.

Я же написала, 3 как минимум, почитайте определение сферичности, посмотрите как она оценивается.

Все Вас понял. Но не мой случай, тут их только одно до и после.

> DrgLena. Реальности совпадают, это только мнения расходятся
Мой опыт говорит в пользу способа 2, но я не могу этого доказать, т.к. это - опыт. В моём опыте были сложные дисперсионные комплексы, где нужно было раскладывать изменчивость на составляющие компоненты. Самые сложные были в экологии - при анализе морфологических и морфогенетических данных. Времени тоже мало, но как-нибудь выложу в эту тему ручной расчёт математических ожидаемых и компонентов дисперсии для способа 2. Я вполне допускаю, что способ 1 имеет свои преимущества и с точки зрения вашего опыта более существенны именно они. К тому же вы больше работали с медицинскими данными. Буду признателен за какой-нибуть краткий материал-ликбез по сферичности - этой весной авитаминоз принял неприятную форму: просто засыпаю над текстами...