So führen Sie eine ANOVA mit wiederholten Messungen in Stata durch

Eine ANOVA mit wiederholten Messungen wird verwendet, um zu bestimmen, ob es einen statistisch signifikanten Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen gibt, in denen in jeder Gruppe dieselben Probanden auftauchen.

Wir verwenden eine einfaktorielle ANOVA mit wiederholten Messungen in zwei spezifischen Situationen:

1. Messung der Durchschnittswerte von Probanden zu drei oder mehr Zeitpunkten. Beispielsweise möchten Sie möglicherweise die Ruheherzfrequenz von Probanden einen Monat vor Beginn eines Trainingsprogramms, in der Mitte des Trainingsprogramms und einen Monat nach dem Trainingsprogramm messen, um festzustellen, ob es einen signifikanten Unterschied im mittleren Ruheherz gibt Rate über diese drei Zeitpunkte.

Beachten Sie, wie zu jedem Zeitpunkt dieselben Motive angezeigt werden. Wir haben wiederholt dieselben Probanden gemessen, weshalb wir eine einfaktorielle ANOVA mit wiederholten Messungen verwendet haben.

2. Messung der Durchschnittswerte von Probanden unter drei verschiedenen Bedingungen. Zum Beispiel könnten Probanden drei verschiedene Filme ansehen und jeden anhand dessen bewerten, wie sehr sie ihn genossen haben.

Wiederum tauchen in jeder Gruppe dieselben Probanden auf, daher müssen wir eine einfaktorielle ANOVA mit wiederholten Messungen verwenden, um den Mittelwertunterschied zwischen diesen drei Bedingungen zu testen.

In diesem Tutorial wird erklärt, wie eine einfaktorielle ANOVA mit wiederholten Messungen in Stata durchgeführt wird.

Beispiel: ANOVA mit wiederholten Messungen in Stata

Die Forscher messen die Reaktionszeit von fünf Patienten mit vier verschiedenen Medikamenten. Da jeder Patient an jedem der vier Medikamente gemessen wird, verwenden wir eine ANOVA mit wiederholten Messungen, um festzustellen, ob die mittlere Reaktionszeit zwischen den Medikamenten unterschiedlich ist.

Führen Sie die folgenden Schritte aus, um die ANOVA mit wiederholten Messungen in Stata durchzuführen.

Schritt 1: Laden Sie die Daten.

Laden Sie zunächst die Daten, indem Sie use http://www.stata-press.com/data/r14/t43 in das Befehlsfeld eingeben und auf die Eingabetaste klicken.

Schritt 2: Zeigen Sie die Rohdaten an.

Bevor wir eine ANOVA mit wiederholten Messungen durchführen, sehen wir uns zunächst die Rohdaten an. Gehen Sie in der oberen Menüleiste zu Daten> Dateneditor> Dateneditor (Durchsuchen). Dies zeigt uns die Reaktionszeiten für jeden der 5 Patienten mit jedem der vier Medikamente:

Schritt 3: Führen Sie eine ANOVA mit wiederholten Messungen durch.

Gehen Sie in der oberen Menüleiste zu Statistik> Lineare Modelle und verwandte> ANOVA / MANOVA> Varianz- und Kovarianzanalyse.

Wählen Sie als abhängige Variable score aus. Wählen Sie für Modell person und drug als die beiden erklärenden Variablen aus. Aktivieren Sie das Kontrollkästchen „Variablen mit wiederholten Messungen“ und wählen Sie drug als Variable, die wiederholt wird. Lassen Sie alles andere unverändert und klicken Sie auf OK.

Dadurch werden automatisch die folgenden zwei Tabellen erstellt, in denen die Ergebnisse für die ANOVA mit wiederholten Messungen angezeigt werden:

In der ersten Tabelle interessieren uns der F-Wert und der p-Wert (angezeigt als Prob>F) für die Variable drug. Beachten Sie, dass F=24,76 und der p-Wert=0,000 ist. Dies zeigt an, dass es einen statistisch signifikanten Unterschied zwischen den Mittelwerten für die vier Medikamente gibt.

Die zweite Tabelle sollte nur verwendet werden, wenn wir den Verdacht haben, dass die Sphärizitätsannahme verletzt wurde. Dies ist die Annahme, dass die Varianzen der Unterschiede zwischen allen paarweisen Kombinationen von Gruppen gleich sein müssen. Wenn wir glauben, dass diese Annahme verletzt wurde, können wir einen der drei Korrekturfaktoren verwenden – Hunyh-Feldt-Epsilon, Greenhouse-Geisser-Epsilon oder Box’s konservatives Epsilon.

Der p-Wert für das variable Arzneimittel wird für jeden dieser drei Korrekturfaktoren angezeigt:

• Hunyh-Feldt (HF) p-Wert = 0,000
• Greenhouse-Geisser (GG) p-Wert = 0,0006
• Box’s konservativer (Box) p-Wert = 0,0076

Beachten Sie, dass jeder der p-Werte kleiner als 0,05 ist, sodass es immer noch einen statistisch signifikanten Unterschied zwischen den Mittelwerten für die vier Medikamente gibt, unabhängig davon, welchen Korrekturfaktor wir verwenden.

Schritt 4: Ergebnisse.

Zuletzt werden wir die Ergebnisse unserer ANOVA mit wiederholten Messungen berichten. Hier ist ein Beispiel dafür:

Eine einfaktorielle ANOVA mit wiederholten Messungen wurde an 5 Personen durchgeführt, um die Wirkung von vier verschiedenen Arzneimitteln auf die Reaktionszeit zu untersuchen.

Die Ergebnisse zeigten, dass die Art des verwendeten Arzneimittels zu statistisch signifikanten Unterschieden in der Reaktionszeit führte (F (3, 12) = 24,75, p <0,001).