Post-hoc-Test in einer 2x3-ANOVA mit gemischtem Design unter Verwendung von SPSS?

Ich habe zwei Gruppen von 10 Teilnehmern, die während eines Experiments dreimal bewertet wurden. Um die Unterschiede zwischen den Gruppen und zwischen den drei Bewertungen zu testen, führte ich eine 2 × 3-ANOVA mit gemischtem Design mit group(Kontrolle, experimentell), time(erste, zweite, drei) und group x time. Beides timeund groupErgebnis signifikant, außerdem gab es eine signifikante Wechselwirkung group x time.

Ich weiß nicht genau, wie ich vorgehen soll, um die Unterschiede zwischen den drei Bewertungen zu überprüfen, auch in Bezug auf die Gruppenmitgliedschaft. Tatsächlich habe ich zu Beginn nur in den Optionen der ANOVA angegeben, um alle Haupteffekte mit der Bonferroni-Korrektur zu vergleichen. Dann wurde mir jedoch klar, dass auf diese Weise die zeitlichen Unterschiede der Gesamtstichprobe ohne Gruppenunterscheidung verglichen wurden, habe ich Recht?

Deshalb habe ich im Internet viel gesucht, um eine mögliche Lösung zu finden, aber mit knappen Ergebnissen. Ich habe nur 2 ähnliche Fälle gefunden, aber ihre Lösungen sind entgegengesetzt!

1. In einem Artikel führten die Autoren nach dem gemischten Design zwei ANOVA mit wiederholten Messungen als Post-hoc durch, eine für jede Gruppe von Probanden. Auf diese Weise werden die beiden Gruppen ohne Korrektur getrennt analysiert. Stimmt das?
2. In einem Handbuch im Internet heißt es, dass die SPSS-Syntax COMPARE(time) ADJ(BONFERRONI)unmittelbar danach manuell hinzugefügt werden soll /EMMEANS=TABLES(newgroup*time), während die gemischte ANOVA ausgeführt wird. Auf diese Weise werden die drei Zeiten für jede Gruppe mit Bonferroni-Korrektur separat verglichen. Stimmt das?

Was denken Sie? Welches wäre der richtige Weg, um fortzufahren?

Antwort bearbeitet, um ermutigende und konstruktive Kommentare von @Ferdi umzusetzen

Ich würde gerne:

1. Geben Sie eine Antwort mit einem vollständig enthaltenen Skript
2. Erwähnen Sie, dass Sie auch allgemeinere benutzerdefinierte Kontraste mit dem Befehl / TEST testen können
3. argumentieren, dass dies in einigen Fällen notwendig ist (dh die EMMEANS COMPARE-Kombination reicht nicht aus)

Ich gehe davon aus, eine Datenbank mit Spalten zu haben: depV, Group, F1, F2. Ich implementiere eine 2 × 2 × 2-ANOVA mit gemischtem Design, wobei depV die abhängige Variable ist, F1 und F2 innerhalb von Subjektfaktoren liegen und Group ein Zwischensubjektfaktor ist. Ich gehe weiter davon aus, dass der F-Test ergeben hat, dass die Interaktionsgruppe * F2 signifikant ist. Ich muss daher Post-hoc-T-Tests verwenden, um zu verstehen, was die Interaktion antreibt.

MIXED depV BY Group F1 F2 
  /FIXED=Group F1 F2 Group*F1 Group*F2 F1*F2 Group*F1*F2 |  SSTYPE(3) 
  /METHOD=REML 
  /RANDOM=INTERCEPT | SUBJECT(Subject) COVTYPE(VC) 
  /EMMEANS=TABLES(Group*F2) COMPARE(Group) ADJ(Bonferroni)
  /TEST(0) = 'depV(F2=1)-depV(F2=0) differs between groups' 
    Group*F2 1/4 -1/4 -1/4 1/4 
    Group*F1*F2 1/8 -1/8 1/8 -1/8 -1/8 1/8 -1/8 1/8 
  /TEST(0) = 'depV(Group1, F2=1)-depV(Group2, F2=1)' Group 1 -1
    Group*F1 1/2 1/2 -1/2 -1/2 
    Group*F2 1 0 -1 0  
    Group*F1*F2 1/2 0 1/2 0 -1/2 0 -1/2 0 .

Insbesondere entspricht der zweite t-Test dem vom EMMEANS-Befehl durchgeführten. Der EMMEANS-Vergleich könnte zum Beispiel zeigen, dass depV in Gruppe 1 unter der Bedingung F2 = 1 größer war.

Die Interaktion könnte jedoch auch von etwas anderem gesteuert werden, das durch den ersten Test überprüft wird: Der Unterschied depV (F2 = 1) -depV (F2 = 0) unterscheidet sich zwischen den Gruppen, und dies ist ein Kontrast, den Sie mit dem Befehl EMMEANS nicht überprüfen können (Zumindest habe ich keinen einfachen Weg gefunden).

In Modellen mit vielen Faktoren ist es nun etwas schwierig, die / TEST-Zeile, die Folge von 1/2, 1/4 usw., die als L-Matrix bezeichnet wird, aufzuschreiben. Wenn Sie die Fehlermeldung "Die L-Matrix ist nicht abschätzbar" erhalten, vergessen Sie normalerweise einige Elemente. Ein Link, der die Quittung erklärt, ist dieser: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/

Ich kenne die SPSS-Syntax nicht besonders gut, aber wenn ich Ihre Situation richtig verstehe, bedeutet die signifikante Interaktion, dass Sie separate Analysen durchführen müssen, um die Bedeutung Ihrer Haupteffekte angemessen beurteilen zu können. Ich denke, der beste Weg, um fortzufahren, besteht darin, separate Analysen mit wiederholten Messungen für jede Ebene in Ihrem Gruppierungsfaktor durchzuführen. Vielleicht kann jemand anderes besser mit der Frage sprechen, wie die Korrektur für mehrere Vergleiche während der Post-hoc-Analyse zu handhaben ist, aber ich bin mir ziemlich sicher, dass Sie noch eine Korrektur verwenden müssen. Sie könnten Tukey's als Mehrfachvergleichskorrektur ausprobieren!

Zusamenfassend. Für diese Situationen gibt es keine weltweit anerkannte Konvention. Einige verwenden Bonferroni-Korrekturen. Einige werden das Tukey HSD-Framework zwingen, für sie zu tanzen (z. B. Maxwell & Delaney). Im Gegensatz...

COMPARE(time) ADJ(BONFERRONI)", just after "/EMMEANS=TABLES(newgroup*time)

... scheint die Bonferroni-Korrektur zu verwenden. Dieser Ansatz ist jedoch wahrscheinlich konservativ, insbesondere angesichts von Korrekturen im Holm-Sidak-Stil. (INSBESONDERE, wenn Sie den MSW nicht als Fehlerbegriff für Ihre Post-hoc-Vergleiche verwenden).