Ich bin ein Doktorand in experimenteller Psychologie und ich bemühe mich sehr, meine Fähigkeiten und Kenntnisse im Analysieren meiner Daten zu verbessern.
Bis zu meinem 5. Jahr in Psychologie dachte ich, dass die regressionsähnlichen Modelle (zB ANOVA) die folgenden Dinge annehmen:
- Normalität der Daten
- Varianzhomogenität für die Daten und so weiter
Meine Grundstudiengänge ließen mich glauben, dass die Annahmen sich auf die Daten bezogen. In meinem fünften Jahr unterstrichen einige meiner Ausbilder jedoch, dass sich die Annahmen auf den Fehler (geschätzt durch die Residuen) und nicht auf die Rohdaten beziehen.
Vor kurzem habe ich mit einigen meiner Kollegen über die Frage nach den Annahmen gesprochen. Sie gaben auch zu, dass es wichtig ist, die Annahmen zum Residuum erst in den letzten Studienjahren zu überprüfen.
Wenn ich es richtig verstehe, nehmen die regressionsähnlichen Modelle Annahmen über den Fehler an. Daher ist es sinnvoll, die Annahmen zu den Residuen zu überprüfen. Wenn ja, warum überprüfen einige Leute die Annahmen zu den Rohdaten? Liegt es daran, dass ein solches Überprüfungsverfahren in etwa dem entspricht, was wir durch Überprüfen des Rests erhalten würden?
Ich würde mich sehr über eine Diskussion zu diesem Thema mit einigen Leuten freuen, die genauere Kenntnisse haben als meine Kollegen und ich. Ich danke Ihnen im Voraus für Ihre Antworten.
quelle
Ich finde die Unterscheidung zwischen Residuen und Rohdaten nicht hilfreich, da sich beide eher auf Ihre tatsächliche Stichprobe und nicht auf die zugrunde liegende Populationsverteilung beziehen. Es ist besser, sich einige Anforderungen als "Anforderungen innerhalb einer Gruppe" und andere als "Anforderungen zwischen Gruppen" vorzustellen.
Zum Beispiel ist die Varianzhomonität eine "Zwischengruppenannahme", da sie besagt, dass die Varianz innerhalb der Gruppe für alle Gruppen gleich ist.
Normalität ist eine "innerhalb der Gruppe" Annahme, die erfordert, dass innerhalb jeder Gruppe y normal verteilt ist.
Beachten Sie, dass Normalität über Ihr gesamtes rohes y in der Regel bedeutet, dass Sie keine Auswirkung haben. Betrachten Sie die Verteilung des Geschlechts, ohne zwischen Frauen und Männern zu unterscheiden. Es wird aufgrund des starken Gender-Effekts nicht normal verteilt. Aber in jedem Geschlecht gilt das ganz gut.
quelle