Hoe herhaalde metingen anova in spss uit te voeren

Een ANOVA met herhaalde metingen wordt gebruikt om te bepalen of er al dan niet een statistisch significant verschil bestaat tussen de gemiddelden van drie of meer groepen waarin dezelfde onderwerpen in elke groep voorkomen.

In deze tutorial wordt uitgelegd hoe u een ANOVA met herhaalde metingen in één richting uitvoert in SPSS.

Voorbeeld: ANOVA met herhaalde metingen in SPSS

De onderzoekers willen weten of vier verschillende medicijnen verschillende reactietijden veroorzaken. Om dit te testen, maten ze de reactietijden van vijf patiënten op vier verschillende medicijnen. Omdat elke patiënt wordt gemeten op elk van de vier medicijnen, zullen we een ANOVA met herhaalde metingen gebruiken om te bepalen of de gemiddelde reactietijd tussen medicijnen verschilt.

Voer de volgende stappen uit om ANOVA met herhaalde metingen uit te voeren in SPSS.

Stap 1: Voer de gegevens in.

Voer de volgende gegevens in, die de responstijd (in seconden) van vijf patiënten op de vier medicijnen weergeven:

Stap 2: Voer een ANOVA met herhaalde metingen uit.

Klik op het tabblad Analyseren , vervolgens op Algemeen lineair model en vervolgens op Herhaalde metingen :

Voer in het nieuwe venster dat verschijnt het medicijn in voor de intra-subjectfactornaam. Typ 4 voor het aantal niveaus (aangezien elke proefpersoon 4 verschillende medicijnen heeft getest) en klik vervolgens op Toevoegen . Typ ResponseTime bij Maatregelnaam en klik vervolgens op Toevoegen . Klik ten slotte op Instellen .

In het nieuwe venster dat verschijnt, sleept u elk van de vier geneesmiddelvariabelen naar het gebied met de naam Within-Subjects Variables :

Klik vervolgens op Percelen . Sleep het variabele medicijn naar het gebied met de naam Horizontale as . Klik vervolgens op Toevoegen . Klik vervolgens op Doorgaan .

Klik vervolgens op EM Betekent . Sleep de medicijnvariabele naar het vak met het label Show Means For . Vink vervolgens het vakje aan naast Hoofdeffecten vergelijken en selecteer Bonferroni in het vervolgkeuzemenu. Klik vervolgens op Doorgaan .

Klik ten slotte op OK .

Stap 2: Interpreteer de resultaten.

Zodra u op OK klikt, verschijnen de resultaten van de ANOVA met herhaalde metingen. Zo interpreteert u het resultaat:

Tests van effecten binnen proefpersonen

Deze tabel toont de algehele F-statistiek en de bijbehorende p-waarde van de ANOVA met herhaalde metingen. Over het algemeen gebruiken we waarden uit de regel met het label Greenhouse-Geisser .

Volgens deze lijn is de F-statistiek 24,759 en de overeenkomstige p-waarde 0,001 . Omdat deze p-waarde kleiner is dan 0,05 kunnen we de nulhypothese verwerpen en concluderen dat er een statistisch significant verschil bestaat in de gemiddelde responstijden tussen de vier geneesmiddelen.

Paargewijze vergelijkingen

Omdat we de nulhypothese hebben verworpen, betekent dit dat ten minste twee groepsgemiddelden verschillend zijn. Om te bepalen welke groepen middelen verschillend zijn, kunnen we deze tabel gebruiken, die de paarsgewijze vergelijkingen tussen elk medicijn weergeeft.

In de tabel kunnen we de p-waarden zien voor de volgende vergelijkingen:

• medicijn 1 versus medicijn 2 | p-waarde = 1.000
• medicijn 1 versus medicijn 3 | p-waarde = 0,083
• medicijn 1 versus medicijn 4 | p-waarde = 0,010
• medicijn 2 versus medicijn 3 | p-waarde = 0,071
• medicijn 2 versus medicijn 4 | p-waarde = 0,097
• medicijn 3 versus medicijn 4 | p-waarde = 0,011

De enige p-waarden kleiner dan 0,05 zijn voor medicijn 1 versus medicijn 4 en medicijn 3 versus medicijn 4. Alle andere vergelijkingen hebben p-waarden groter dan 0,05.

Grafiek van geschatte marginale middelen

Deze grafiek toont de geschatte gemiddelde responstijden voor elk medicijn. Uit de grafiek kunnen we duidelijk zien dat de responstijden aanzienlijk varieerden tussen de vier verschillende medicijnen:

Stap 3: Rapporteer de resultaten.

Ten slotte kunnen we de resultaten van de ANOVA met herhaalde metingen rapporteren. Hier is een voorbeeld van hoe u dit kunt doen:

Er werd een eenzijdige ANOVA met herhaalde metingen uitgevoerd om te bepalen of de gemiddelde reactietijd van patiënten verschilde tussen vier verschillende medicijnen.

Uit een ANOVA met herhaalde metingen in één richting bleek dat het gebruikte type medicatie resulteerde in statistisch significante verschillen in responstijd (F = 24,75887, p = 0,001).

Uit de Bonferroni-test voor meerdere vergelijkingen bleek dat er een statistisch significant verschil was in de responstijden tussen patiënten die geneesmiddel 1 en geneesmiddel 4 gebruikten, evenals geneesmiddel 3 en geneesmiddel 4.