¿Prueba post hoc en un ANOVA de diseño mixto 2x3 utilizando SPSS?

Question

Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para comprobar las diferencias entre los grupos y entre las tres evaluaciones, realicé un ANOVA de diseño mixto 2x3 con group (control, experimental), time (primero, segundo, tres), y group x time . Ambos time y group resultó significativa, además hubo una interacción significativa group x time .

No sé muy bien cómo proceder para seguir comprobando las diferencias entre los tres momentos de las evaluaciones, también respecto a la pertenencia a grupos. De hecho, al principio sólo especifiqué en las opciones del ANOVA que se compararan todos los efectos principales, utilizando la corrección de Bonferroni. Sin embargo, luego me di cuenta de que así se comparaban las diferencias en el tiempo de la muestra total, sin distinción de grupos, ¿estoy en lo cierto?

Por ello, busqué mucho en Internet para encontrar una posible solución, pero con escasos resultados. Sólo encontré 2 casos similares al mío, ¡pero sus soluciones son opuestas!

1. En un artículo, tras el diseño mixto, los autores realizaron 2 ANOVA de medidas repetidas como post-hoc, uno para cada grupo de sujetos. De este modo, los dos grupos se analizan por separado sin ninguna corrección, ¿estoy en lo cierto?
2. En una guía en internet, dicen que hay que añadir manualmente en la sintaxis del SPSS COMPARE(time) ADJ(BONFERRONI) justo después de /EMMEANS=TABLES(newgroup*time) al ejecutar el ANOVA mixto. De esta manera, los tres tiempos se comparan por separado para cada grupo, con la corrección de Bonferroni, ¿estoy en lo cierto?

¿Qué te parece? ¿Cuál sería la forma correcta de proceder?

Answer 1

Respuesta editada para aplicar el comentario alentador y constructivo de @Ferdi

Me gustaría:

1. responder con un guión completo
2. mencionar que también se pueden probar contrastes personalizados más generales utilizando el comando /TEST
3. argumentar que esto es necesario en algunos casos (es decir, la combinación EMMEANS COMPARE no es suficiente)

Asumo tener una base de datos con columnas: depV, Grupo, F1, F2. Implemento un ANOVA de diseño mixto 2x2x2 en el que depV es la variable dependiente, F1 y F2 son factores internos del sujeto y Grupo es un factor entre sujetos. Asumo además que la prueba F ha revelado que la interacción Grupo*F2 es significativa. Por lo tanto, necesito utilizar pruebas t post hoc para comprender qué impulsa la interacción.

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 .

En particular, la segunda prueba t corresponde a la realizada por el comando EMMEANS. La comparación EMMEANS podría revelar, por ejemplo, que el depV fue mayor en el Grupo 1 en la condición F2=1.

Sin embargo, la interacción también podría deberse a otra cosa, que se verifica con la primera prueba: la diferencia depV(F2=1)-depV(F2=0) difiere entre los grupos, y este es un contraste que no se puede verificar con el comando EMMEANS (al menos yo no encontré una manera fácil).

Ahora, en modelos con muchos factores es un poco complicado escribir la línea /TEST, la secuencia de 1/2, 1/4 etc, llamada matriz L. Normalmente, si aparece el mensaje de error "la matriz L no es estimable", estás olvidando algunos elementos. Un enlace que explica el recibo es este: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/

Answer 2

No conozco muy bien la sintaxis de SPSS, pero, si he entendido bien su situación, la interacción significativa significa que, para evaluar adecuadamente la importancia de sus efectos principales, tendrá que realizar análisis separados. Creo que la mejor forma de proceder es realizar análisis de medidas repetidas por separado para cada nivel de su factor de agrupación. Tal vez alguien más pueda hablar mejor de la cuestión de cómo manejar la corrección de comparaciones múltiples durante el análisis post-hoc, pero estoy bastante seguro de que todavía tiene que utilizar una corrección. Puede probar la de Tukey, como corrección de comparaciones múltiples.

Answer 3

Resumiendo. No existe una convención mundialmente aceptada para estas situaciones. Algunos utilizarán correcciones de Bonferroni. Algunos forzarán el marco HSD de Tukey para que baile para ellos (por ejemplo, Maxwell y Delaney). En cambio...

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

... parece utilizar la corrección de Bonferroni. Sin embargo, es probable que este enfoque sea conservador, especialmente frente a correcciones del estilo de Holm-Sidak. (ESPECIALMENTE si no utiliza la RSU como término de error para sus comparaciones post-hoc).