Studiendesign: Ich habe den Teilnehmern einige Informationen über den Anstieg des Meeresspiegels gezeigt und die Informationen auf unterschiedliche Weise fokussiert, sowohl in Bezug auf die Zeitskala als auch auf das Ausmaß des potenziellen Anstiegs. Somit hatte ich ein 2 (Zeit: 2050 oder 2100) mal 2 (Größe: Mittel oder Hoch) Design. Es gab auch zwei Kontrollgruppen, die keine Informationen erhielten und nur die Fragen für meine DVs beantworteten.
Fragen: Ich habe immer nach Normalität in Zellen gesucht - für den 2x2-Teil dieses Designs würde es bedeuten, nach Normalität in 4 Gruppen zu suchen. Das Lesen einiger Diskussionen hier hat mich jedoch dazu gebracht, meine Methoden zu überdenken.
Zuerst habe ich gelesen, dass ich die Normalität der Residuen betrachten sollte. Wie kann ich die Normalität von Residuen überprüfen (in SPSS oder anderswo)? Muss ich dies für jede der 4 Gruppen tun (6 einschließlich der Kontrollen)?
Ich habe auch gelesen, dass Normalität innerhalb von Gruppen Normalität der Residuen impliziert. Ist das wahr? (Literaturhinweise?) Bedeutet dies wiederum, jede der 4 Zellen einzeln zu betrachten?
Kurz gesagt, welche Schritte würden Sie unternehmen, um festzustellen, ob Ihre (2x2) Daten nicht gegen Normalitätsannahmen verstoßen?
Referenzen werden immer geschätzt, auch wenn sie mich nur in die richtige Richtung weisen.
Trotz vieler einführender Lehrbücher, die dies betonen, brauchen Sie keine Normalität. Mit einer bescheidenen Stichprobengröße und der gleichen Varianz innerhalb jeder der Gruppen, dh Homoskedastizität, liefert ANOVA einen genauen Rückschluss auf die Unterschiede in der mittleren Reaktion zwischen den Gruppen. Wenn Grund zu der Annahme besteht, dass eine nicht konstante Varianz vorliegt - und dies kann durchaus der Fall sein -, können heteroskedastizitätskonsistente Standardfehler verwendet werden.
Diese Eigenschaften sind Erweiterungen derjenigen, die für den t-Test bekannt sind. Bei konstanter Varianz können Sie den T-Test "Plain Vanilla" unabhängig von der Normalität verwenden (ein Ergebnis, das Fisher schon vor langer Zeit bekannt war). Bei nicht konstanter Varianz funktioniert die ungleiche Varianz auch ohne Normalität. Die Version mit ungleicher Varianz entspricht dem Wald-Test, bei dem heteroskedastizitätskonsistente Standardfehler verwendet werden.
quelle