Análisis ANOVA sin homogeneidad de varianzas

Question

He llevado a cabo dentro de un-objeto de estudio de usuarios. Cada usuario trabaja con 3 interfaces de usuario y se lee en un par de tweets en cada uno de IU y podemos registrar cuántos milisegundos que pasan en la lectura de cada tweet o comentario para cada interfaz de usuario

Yo estaba haciendo el ANOVA para ver si el tipo de interfaz de usuario contribuye a la cantidad de tiempo que la gente pasa en cada uno de interfaz de usuario. Todo era brillante, hasta que me di cuenta de que el conjunto de datos falla en la prueba de Bartlett con un muy bajo nivel de p-valor. He utilizado un "ANOVA en los Rangos" en su lugar (clasificado los valores de tiempo y corrió ANOVA de nuevo) de ANOVA allí y todo se volvió brillante de nuevo!

Mi pregunta es:

• Puedo usar "ANOVA en los Rangos" cuando no existe homogeneidad de varianzas. Necesito hacer una transformación? o el uso de un test de Friedman en su lugar?
• La pregunta más importante es ¿qué debería usar como el seguimiento del método (ya que no puedo usar cualquier t-prueba tipo test)

Muchas gracias por la ayuda

Saludos

Answer 1

ANOVA en rangos en principio necesita homogeneidad de varianzas, pero en la práctica puede ser bastante robusto sin. Una vez hice algunas simulaciones rápidas simples en R y me sorprendió ver cuán poco importaban las varianzas no constantes. Tu podrías hacer lo mismo. ¡Prueba transformaciones! Trace los datos. Si el efecto es grande, puede ser bastante obvio después de mirar la trama. O mejor, publique los datos aquí en algún formato fácil de leer y eche un vistazo.

Answer 2

Has probado a tomar el logaritmo de los tiempos y, a continuación, la prueba de homogeneidad? Mi experiencia ha sido que cuando se trata de respuestas positivas que eran las tareas relacionadas con el registro de transformación a menudo hace el truco.

Una solución más eficaz a su problema es el uso de la Box-Cox transformación, una generalización de la anterior transformar con un parámetro lambda, que cuando se instala y se encontró que ser de 1/2, resulta ser el registro de transformar.

Una cuestión más, es este un diseño factorial o de un entramado de diseño? La respuesta a la pregunta depende de cómo se ejecutó el experimento.

Answer 3

Creo que todavía se puede utilizar un t-test, pero hay que tener en cuenta que lo que ustedes llaman "un efecto" también pueden aparecer en la varianza. Como consecuencia de ello, creo que se debería añadir una prueba a su t-test para medir la diferencia de las desviaciones.

Simple ejemplo, considere el caso en que $X$ $\mathcal{N}(0,1)$ $Y$ $\mathcal{N}(\mu,\sigma)$ y quieres decir que si $Y$ es el resultado de un "efecto" o no lo es.

Usted puede mirar en un t-test como que: $\frac{|\bar{X}-\bar{Y}|}{\sqrt{var(X)+var(Y)}}$. Funciona bien incluso con diferentes variaciones, pero sólo de comprobar las diferencias en la media (me.e $\mu\neq 1$). Si quieres probar algo en las variaciones, también, tendrá a prueba a la vez (tener cuidado de que el nivel de la prueba a) la igualdad de la media y la igualdad de las varianzas.

Más General de establecer Si un efecto puede aparecer en una forma más compleja, puede ser obligado a concider no paramétrico de la diosa de ajuste procedimiento de la prueba a la que pertenecen (supongo) la prueba de rango.

Hop esta ayuda !