Slide1 l.jpg
Download
Sponsored Links
This presentation is the property of its rightful owner.
1 / 14

Multivariate Analysemethoden und Multivariates Testen PowerPoint PPT Presentation


  • 135 Views
  • Updated On :
  • Presentation posted in: General

Multivariate Analysemethoden und Multivariates Testen. Vorlesung. 21.05.2007. Günter Meinhardt Johannes Gutenberg Universität Mainz. Multivariates Testen MANOVA. Multivariate Varianzanalyse (MANOVA). Ziele.

Related searches for Multivariate Analysemethoden und Multivariates Testen

Download Presentation

Multivariate Analysemethoden und Multivariates Testen

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Slide1 l.jpg

Multivariate Analysemethoden

und

Multivariates Testen

Vorlesung

21.05.2007

Günter Meinhardt

Johannes Gutenberg Universität Mainz


Slide2 l.jpg

Multivariates Testen MANOVA

Multivariate Varianzanalyse (MANOVA)

Ziele

  • Mehrgruppen / Mehrfaktorenvergleiche von Messungen auf mehreren abhängigen Variablen.

  • Vermeidung von Entscheidungsfehlern durch fälschliche implizite Unabhängigkeitsannahme bei univariater Abtestung der einzelnen abhängigen Variablen.

  • Vermeidung der Probleme durch multiples Testen durch Verwendung eines einzigen Tests für das gesamte Design.

  • Verbesserte Teststärke und Validität bei Verwendung von Testbatterien und (mäßig) korrelierten Profilskalen.

Voraussetzung

  • Gleiche (homogene) Varianz-Kovarianz Matrizen (Sj) in allen Gruppen.

  • Testungen der Gruppenunterschiede (Centroide), sowie der Homogenität der Sj- Matrizen erfordern die Gültigkeit der multivariaten Normalverteilung.


Slide3 l.jpg

Multivariates Testen MANOVA

Ansatz

  • Vergleich der Quadratsummen für „between“ und „within“ Group Varianz, erzeugt aus allen Variablenkomponenten.

  • Statistik erhält man ebenso über über Eigenwertzerlegung einer ausB und W Komponenten zusammengesetzten Matrix.

Anwendung

  • Allgemein: Experimentelle Analyse im Rahmen von multidimen- sionalen Evaluationsstudien.

  • Multiple Effektivitätsstudien. Nachweise der Veränderung von Profilen durch experimentelle oder therapeutische Intervention in repeated measurement Designs.

  • Untersuchung differentieller Effekte auf mehren Ebenen (Mehrebeneanalyse). (Z.B. Arbeitszufriedenheit auf 3 Hierachieebenen untersuchen).

Nachteile

  • Restriktion gleicher Varianz-Kovarianz Matrizen in allen Gruppen.

  • Auswirkung der Verletzung der Annahme der multivariaten Normalverteilung schwer abzuschätzen.


Slide4 l.jpg

3.5

3.0

2.5

2.0

Fahrleistung: X2

1.5

1.0

0.5

0.0

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

Koordination: X1

0.5 Promill

1 Promill

2D Beispiel MANOVA

2D-Beispiel

Regression nüchtern

Regression 1 Promill

PrototypischeDatensituation

  • Generell: g- Gruppen gemessen auf p Variablen. Hier g=2, p=2, Koordination (X1) und Fahrleistung (X2)

  • Gleiche Regressionssteigungen und gleiche Varianzen in den Gruppen auf beiden Variablen (Homogenität der Varianzen und Covarianzen)

  • Stichprobendaten entstammen multivariat normalverteilten Populationen.


Slide5 l.jpg

0.5 Promill

1 Promill

2D Beispiel MANOVA

Fahrleistung: X2

2D-Beispiel

Regression 0.5 Promill

Regression 1 Promill

Koordination: X1

1D - Testen unzulänglich

  • Univariat sind die Rohwertverteilungen nicht gut getrennt, und daher ebenfalls nicht die Mittelwerteverteilungen (hohes N nötig für signi- fikante Gruppenunterschiede in den Kennwerteverteilungen)

  • Signifikanzurteile sind unabhängig und führen zu p Signifikanzaus- sagen, obwohl nur eine erwünscht ist

  • Information der gleichen Beziehung zwischen den abhängigen Variablen (gleiche Korrelation) wird nicht genutzt .


Slide6 l.jpg

0.5 Promill

1 Promill

2D Beispiel MANOVA

Fahrleistung: X2

2D-Beispiel

Regression 0.5 Promill

Regression 1 Promill

Koordination: X1

2D - Testen Ausgangslage

  • 2D 95% Quantile zeigen an, daß die Mittelwerte der jeweils anderen Gruppe nicht mehr im Konfidenzbereich der Rohwerte liegen (bei den univariaten Verteilungen liegen sie darin)

  • Orthogonal zur Hauptvarianzrichtung der Ellipsen bestehen optimale Trennbedingungen für die Mittelwerte

  • Ein Test, in den die Korrelation der beiden Variablen eingeht, hat daher optimale Chancen, Unterschiede der Centroide aufzudecken.

MANOVA


Slide7 l.jpg

Konstanten

g = Anzahl Gruppen

n = Snl = n1+ n2+…ng

p = Anzahl Variablen

Population 1:

Population 2:

Indices

i : Fälle (Personen)

l : Gruppen

Population g:

1. One-Way MANOVA MANOVA

Problem

Unterscheiden sich g unabhängige Populationen in ihren auf p Variablen gemessenen Centroiden ?

Annahmen

  • Die Samples X1l, X2l,…, Xnll sind Zufallsstichproben der Größe nl mit einem Populationszentroiden ml. Die Zufallsstichproben sind unabhängig.

  • Alle Populationen haben dieselbe wahre Varianz-Covarianzmatrix S.

  • Jede Population ist p- variat normalverteilt.


Slide8 l.jpg

Parameter-

schätzer

xilj

Case

Group

Zu prüfende

Annahmen

Var

Homogenität der Varianz-Covarianz-Matrizen und p-variate Normalverteilung der Stichprobenwerte

1. One-Way MANOVA MANOVA

Datenschema

Population 1:

Population 2:

Population g:


Slide9 l.jpg

Additives Modell zum Vergleich von Centroiden aus g Populationen

mit eilunabhängigenund N(0,S) verteilten Fehlerkomponenten.

Additive Zerlegung

Beobachtung

Grand Mean

Treatmenteffekt

Fehlerkomponente

Grand Mean abziehen, Kreuzprodukt bilden , und summieren über Fälle ergibt:

p x p Matrizen

Totale QS und Kreuzprodukte

Treatment QS und Kreuzprodukte

Fehler QS und Kreuzprodukte

1D Analog

1. One-Way MANOVA MANOVA

MANOVA

Modell


Slide10 l.jpg

1. One-Way MANOVA MANOVA

p x p Matrizen

Hierin sind die x Vektoren mit p Komponenten (Variablen):

Regel

Die Matrizen B und W werden als inneres Produkt (Zeilen- mal Spalten)

der Variablen-Vektoren aufgebaut und dann über Fälle und Gruppen

summiert. Sie sind stets p x p Matrizen.

Matrix-Notation

Additivität der Variation

Within Group QS

und Kreuzprodukte

Es gilt:

Totale QS und

Kreuzprodukte

Between Group QS

und Kreuzprodukte


Slide11 l.jpg

1. One-Way MANOVA MANOVA

W-Matrix

aus gepoolten S- Matrizen

mit Sl der Varianz-Covarianz Matrix in Gruppe l.

B-Matrix

(p=2 Vars

Beispiel)

Treatment (Group) Quadratsummen & Kreuzprodukte

x1

x2

x1

x2

Komponenten

Var

Var

Group


Slide12 l.jpg

1. One-Way MANOVA MANOVA

MANOVA

Table

Source of

Variation

Matrix of SS & Cross- Products (SSP)

Degrees of Freedom

g - 1

B

Treatment

W

Error

n- 1

M = B + W

Total

Test-Statistik

Die H0: t1 = t2 = … = tg = 0 wird abgelehnt, wenn

(Quotient der generalisierten Varianzen, „Wilk‘s Lambda“)

zu klein wird.

mit s der Rang der Matrix W-1B und

li ihr i-ter Eigenwert

Alternative Berechnung


Slide13 l.jpg

1. One-Way MANOVA MANOVA

Lehne H0 ab, wenn

c2

- Test der

Wilks Statistik

(c2 Verteilung mit p(g-1) Freiheitsgraden, Bartlett)

Für p < 3 und g < 3 sind F-Tests üblich. Bartletts Test ist für

größere Stichproben und eine größere Anzahl Variablen exakt.

Simultane Kontraste

Als Kontraste sind Wilks-Tests oder Hotellings T2 gebräuchlich:

ist verteilt wie

mit

Vorteil der

MANOVA

(Höhere Freiheitsgrade)


Slide14 l.jpg

1. One-Way MANOVA MANOVA

Voraussetzung

Homogene

S – Matrizen

Prüfgröße

Box-M Test

ist c2 verteilt mit p(p+1)(g-2)/2 Freiheitsgraden

Voraussetzungund Probleme der Prüfung

Der Test setzt multivariat normalverteilte Populationen voraus.

Ebenso sollte die Anzahl der Messungen in den Gruppen >20 und

die Anzahl der Variablen < 5 sein.

Testung über die Homogenität der Korrelationsmatrizen

(Residualanalyse) prüft nur die Homogenität der Covarianzen,

nicht der Varianzen. Diese können aber mit einem Bartlett Test

Gesondert auf Homogenität geprüft werden.


  • Login