Beispielsweise k\u00f6nnten wir eine MANOVA verwenden, um zu analysieren, wie sich das Bildungsniveau (High-School-Abschluss, Associate-Abschluss, Bachelor-Abschluss, Master-Abschluss) sowohl auf das Jahreseinkommen als auch auf die gesamten Studienkreditschulden auswirkt.<\/span> <\/p>\n Verwandt:<\/strong><\/span> Die Unterschiede zwischen ANOVA, ANCOVA, MANOVA und MANCOVA<\/a><\/p>\n Jedes Mal, wenn wir eine MANOVA durchf\u00fchren, m\u00fcssen wir \u00fcberpr\u00fcfen, ob die folgenden Annahmen erf\u00fcllt sind:<\/span><\/p>\n 1. Multivariate Normalit\u00e4t<\/strong> \u2013 Die Antwortvariablen sind multivariat normalverteilt innerhalb jeder Gruppe von Faktorvariablen.<\/span><\/p>\n 2. Unabh\u00e4ngigkeit<\/strong> \u2013 Jede Beobachtung wird zuf\u00e4llig und unabh\u00e4ngig aus der Grundgesamtheit ausgew\u00e4hlt.<\/span><\/p>\n 3. Gleiche Varianz<\/strong> \u2013 Die Populationskovarianzmatrizen jeder Gruppe sind gleich.<\/span><\/p>\n 4. Keine multivariaten Ausrei\u00dfer<\/strong> \u2013 Es gibt keine extremen multivariaten Ausrei\u00dfer.<\/span><\/p>\n In diesem Artikel erl\u00e4utern wir jede Annahme und erl\u00e4utern, wie Sie feststellen k\u00f6nnen, ob die Annahme erf\u00fcllt ist.<\/span><\/p>\n Eine MANOVA geht davon aus, dass die Antwortvariablen innerhalb jeder Gruppe der Faktorvariablen multivariat normalverteilt sind.<\/span><\/p>\n Wenn es f\u00fcr jede Kombination aus Faktor und Antwortvariable mindestens 20 Beobachtungen gibt, k\u00f6nnen wir davon ausgehen, dass die Annahme der multivariaten Normalit\u00e4t erf\u00fcllt ist.<\/span><\/p>\n Wenn es weniger als 20 Beobachtungen f\u00fcr jede Kombination aus Faktor und Antwortvariable gibt, k\u00f6nnen wir eine Streudiagrammmatrix erstellen, um die Residuen zu visualisieren und visuell zu \u00fcberpr\u00fcfen, ob diese Annahme erf\u00fcllt ist.<\/span><\/p>\n Gl\u00fccklicherweise ist bekannt, dass MANOVA robust gegen\u00fcber Abweichungen von der multivariaten Normalit\u00e4t ist, sodass kleine bis mittlere Abweichungen im Allgemeinen kein Problem darstellen.<\/span><\/p>\n Bei einer MANOVA wird davon ausgegangen, dass jede Beobachtung zuf\u00e4llig und unabh\u00e4ngig aus der Grundgesamtheit entnommen wird.<\/span><\/p>\n Solange eine Wahrscheinlichkeitsstichprobenmethode<\/a> (jedes Mitglied einer Population hat die gleiche Wahrscheinlichkeit, in die Stichprobe aufgenommen zu werden) zum Sammeln der Daten verwendet wird, k\u00f6nnen wir davon ausgehen, dass jede Beobachtung zuf\u00e4llig und unabh\u00e4ngig ausgew\u00e4hlt wurde.<\/span><\/p>\n Beispiele f\u00fcr Wahrscheinlichkeitsstichprobenmethoden sind:<\/span><\/p>\n Eine MANOVA geht davon aus, dass die Populationskovarianzmatrizen jeder Gruppe gleich sind.<\/span><\/p>\n Die gebr\u00e4uchlichste Methode zum Testen dieser Hypothese ist die Verwendung des M-Tests von Box. Dieser Test ist bekannterma\u00dfen recht streng, weshalb wir im Allgemeinen ein Signifikanzniveau von 0,001 verwenden, um zu bestimmen, ob die Kovarianzmatrizen der Population gleich sind oder nicht.<\/span><\/p>\n Wenn der p-Wert des M-Tests von Box gr\u00f6\u00dfer als 0,001 ist, k\u00f6nnen wir davon ausgehen, dass diese Annahme erf\u00fcllt ist.<\/span><\/p>\n Gl\u00fccklicherweise ist eine MANOVA tendenziell robust gegen\u00fcber Abweichungen von dieser Hypothese, selbst wenn der p-Wert des Tests weniger als 0,001 betr\u00e4gt.<\/span><\/p>\n Damit ungleiche Kovarianzmatrizen ein Problem darstellen, m\u00fcssen die Unterschiede zwischen den Kovarianzmatrizen ziemlich extrem sein.<\/span><\/p>\n Eine MANOVA geht davon aus, dass in den Daten keine extremen multivariaten Ausrei\u00dfer vorhanden sind, die die Ergebnisse erheblich beeinflussen k\u00f6nnten.<\/span><\/p>\n Der gebr\u00e4uchlichste Weg, diese Annahme zu \u00fcberpr\u00fcfen, besteht darin, f\u00fcr jede Beobachtung den Mahalanobis-Abstand zu berechnen, der den Abstand zwischen zwei Punkten in einem multivariaten Raum darstellt.<\/span><\/p>\n Wenn der entsprechende p-Wert f\u00fcr eine Mahalanobis-Distanz einer Beobachtung kleiner als 0,001 ist, erkl\u00e4ren wir diese Beobachtung im Allgemeinen als extremen Ausrei\u00dfer.<\/span><\/p>\n Sehen Sie sich die folgenden Tutorials an, um zu erfahren, wie Sie die Mahalanobis-Distanz in verschiedenen Statistikprogrammen berechnen:<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren, wie man eine MANOVA in verschiedenen Statistikprogrammen durchf\u00fchrt:<\/span><\/p>\n So f\u00fchren Sie eine MANOVA in R durch<\/a> Eine MANOVA (multivariate Varianzanalyse) wird verwendet, um zu analysieren, wie sich eine oder mehrere Faktorvariablen auf mehrere Antwortvariablen auswirken. Beispielsweise k\u00f6nnten wir eine MANOVA verwenden, um zu analysieren, wie sich das Bildungsniveau (High-School-Abschluss, Associate-Abschluss, Bachelor-Abschluss, Master-Abschluss) sowohl auf das Jahreseinkommen als auch auf die gesamten Studienkreditschulden auswirkt. Verwandt: Die Unterschiede zwischen ANOVA, ANCOVA, MANOVA und […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/manova.png\")
<\/p>\n Annahme 1: Multivariate Normalit\u00e4t<\/strong><\/span><\/h3>\n
Hypothese 2: Unabh\u00e4ngigkeit<\/strong><\/span><\/h3>\n
\n
Annahme 3: gleiche Varianz<\/strong><\/span><\/h3>\n
Hypothese 4: keine multivariaten Ausrei\u00dfer<\/strong><\/span><\/h3>\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie eine MANOVA in SPSS durch<\/a>
So f\u00fchren Sie eine MANOVA in Stata durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"