In fact, two common errors seem to

In fact, two common errors seem to be associated with the failure to accurately
discriminate between univariate and multivariate approaches toward data analysis.
First, many researchers believe that conducting a MANOVA will provide
protection from Type I error inflation when conducting multiple univariate
ANOVAs. Following this erroneous reasoning, for instance, we would first
conduct a MANOVA for the personality data above and, if significant, judge the
statistical significance of the univariate ANOVAs based on their unadjusted
observed p-values rather than their Bonferroni-adjusted p-values. Although such
an analysis strategy is common in the literature, it is not to be recommended
because the Type I error rate will only be properly controlled when the null
hypothesis is true (Bray & Maxwell, 1982), which is an unlikely occurrence in
practice and therefore an unrealistic assumption. Type I error inflation can be
controlled through the use of a Bonferroni adjustment or a fully post hoc critical
value derived from the results of a MANOVA, but the researcher must make the
extra effort to compute the critical values against which to judge each univariate
F-test (see Harris, 2001, and below). To reiterate, simply running a MANOVA
prior to multiple ANOVAs will not generally provide appropriate protection
against Type I error inflation. The extra step of computing the Bonferroni-adjusted
critical values or the special MANOVA-based post hoc critical value must also
be taken.

ผลลัพธ์ (ไทย) 1:

ข้อผิดพลาดทั่วไปที่สองดูเหมือนจะเชื่อมโยงกับความล้มเหลวถูกต้องในความเป็นจริงเหยียดอย่างไร univariate และตัวแปรพหุวิธีไปวิเคราะห์ข้อมูลครั้งแรก นักวิจัยจำนวนมากเชื่อว่า ดำเนินการ MANOVA จะให้ป้องกันพิมพ์ผมเงินเฟ้อข้อผิดพลาดเมื่อดำเนินการอย่างไร univariate หลายANOVAs ตามเหตุผลนี้มีข้อผิดพลาด เช่น เราจะต้องทำ MANOVA สำหรับข้อมูลบุคลิกภาพด้านบน และ สำคัญ ถ้าผู้พิพากษานัยสำคัญทางสถิติของ ANOVAs อย่างไร univariate ตามของพวกเขาไม่ได้ปรับสังเกตค่า p มากกว่าค่า p-Bonferroni ปรับปรุง ถึงแม้ว่าเช่นกลยุทธ์การวิเคราะห์ทั่วไปในวรรณคดี มันจะไม่แนะนำเนื่องจากชนิดผมอัตราข้อผิดพลาดเท่านั้นจะถูกควบคุมเมื่อการ nullสมมติฐานเป็นจริง (Bray & แมกซ์เวลล์ 1982), ซึ่งเป็นเหตุการณ์ที่น่าในปฏิบัติ และการอัสสัมชัญไม่ พิมพ์ข้อผิดพลาดฉันเป็นเงินเฟ้อควบคุม โดยการใช้การปรับปรุงของ Bonferroni หรือตัวอย่าง post hoc สำคัญค่าที่ได้มาจากผลลัพธ์ของ MANOVA มี แต่นักวิจัยที่ต้องการเสริมพยายามคำนวณค่าวิกฤตกับที่ตัดสินอย่างไร univariate แต่ละทดสอบ (ดูแฮร์ริส 2001 และด้านล่าง) ซ้ำ เพียงเรียกใช้ MANOVA มีก่อนหลาย ANOVAs จะโดยทั่วไปมีการป้องกันที่เหมาะสมกับพิมพ์ฉันข้อผิดพลาดอัตราเงินเฟ้อ ขั้นตอนการเพิ่มคอมพิวเตอร์ Bonferroni ปรับปรุงค่าวิกฤตหรือพิเศษใช้ MANOVA post hoc สำคัญค่าต้องสามารถรับ

ผลลัพธ์ (ไทย) 2:

ในความเป็นจริงสองข้อผิดพลาดที่พบบ่อยดูเหมือนจะเกี่ยวข้องกับความล้มเหลวที่จะต้อง
แยกแยะระหว่าง univariate และวิธีการหลายตัวแปรที่มีต่อการวิเคราะห์ข้อมูล.
ครั้งแรกที่นักวิจัยหลายคนเชื่อว่าการดำเนินการ MANOVA จะให้
การป้องกันจากความผิดพลาดประเภทอัตราเงินเฟ้อเมื่อการดำเนินการหลาย univariate
ANOVAs ต่อไปนี้ให้เหตุผลที่ผิดพลาดนี้ตัวอย่างเช่นครั้งแรกที่เราจะ
ดำเนินการ MANOVA สำหรับข้อมูลดังกล่าวข้างต้นและบุคลิกภาพถ้าอย่างมีนัยสำคัญตัดสิน
นัยสำคัญทางสถิติของ ANOVAs univariate ขึ้นอยู่กับพวกเขาเท็มเพลต
ที่สังเกตพีค่ามากกว่า Bonferroni ปรับ P-ค่าของพวกเขา แม้ว่าเช่น
กลยุทธ์การวิเคราะห์เป็นเรื่องธรรมดาในวรรณคดีก็ไม่ได้ที่จะได้รับการแนะนำ
เพราะประเภทอัตราความผิดพลาดจะได้รับการควบคุมอย่างถูกต้องเมื่อ null
สมมติฐานเป็นจริง (เบรย์และแมกซ์เวล, 1982) ซึ่งเป็นปรากฏการณ์ที่เกิดขึ้นไม่น่าใน
การปฏิบัติและ ดังนั้นสมมติฐานที่ไม่สมจริง พิมพ์ผิดพลาดอัตราเงินเฟ้อสามารถ
ควบคุมผ่านการใช้การปรับ Bonferroni หรือโพสต์ที่สำคัญอย่างเต็มที่เฉพาะกิจ
ค่าที่ได้มาจากผลของการ MANOVA แต่นักวิจัยจะต้องทำให้
ความพยายามเป็นพิเศษในการคำนวณค่าความสำคัญกับการที่จะตัดสินแต่ละ univariate
F- การทดสอบ (ดูแฮร์ริส 2001 และด้านล่าง) ย้ำเพียงแค่ทำงาน MANOVA
ก่อนที่จะมีหลาย ANOVAs โดยทั่วไปจะไม่ให้ความคุ้มครองที่เหมาะสม
กับประเภทความผิดพลาดอัตราเงินเฟ้อ ขั้นตอนพิเศษของคอมพิวเตอร์ Bonferroni ปรับ
ค่าที่สำคัญหรือพิเศษโพสต์ MANOVA ตามคณะกรรมการค่าที่สำคัญยังต้อง
จะต้องดำเนินการ

ผลลัพธ์ (ไทย) 3:

ในความเป็นจริงสองข้อผิดพลาดที่พบบ่อยที่ดูเหมือนจะเกี่ยวข้องกับความล้มเหลวอย่างถูกต้อง
แยกแยะระหว่างกลุ่มสองวิธีต่อการวิเคราะห์ข้อมูล .
ครั้งแรก นักวิจัยหลายคนเชื่อว่า การจะหาให้
ป้องกันความผิดพลาดประเภทที่ 1 ได้เมื่อทำการรักษาหลายอัตรา
anovas . ตามด้วยเหตุผลที่ผิดพลาดนี้ ตัวอย่างเช่น เราจะแรก
ทำการหาสำหรับบุคลิกภาพข้อมูลข้างต้น และหากพบผู้พิพากษา
สถิติของประชากร anovas ตาม
ยังคงพวกเขาสังเกตเห็น p-values มากกว่าบอนเฟอร์โรนีของพวกเขาปรับ p-values . แม้ว่าเช่น
การวิเคราะห์กลยุทธ์ทั่วไปในวรรณกรรม มันไม่ได้แนะนำ
เพราะอัตราความคลาดเคลื่อนประเภทที่ 1 จะถูกควบคุมเมื่อ null
สมมติฐานเป็นจริง ( เอา& Maxwell , 1982 ) ซึ่งไม่น่าเกิดใน
ฝึกและดังนั้นสมมติฐานที่ไม่สมจริง อัตราความคลาดเคลื่อนประเภทที่ 1 ได้
ควบคุมผ่านการใช้ของบอนเฟอร์โรนีการปรับตัวหรือเต็มที่ Post Hoc วิกฤต
ค่าที่ได้จากผลของความแปรปรวน แต่ผู้วิจัยต้อง
ความพยายามพิเศษที่จะคำนวณค่าวิกฤต กับที่ให้ผู้พิพากษาแต่ละคน 2
( ดูแฮร์ริส , 2001 , และด้านล่าง ) ย้ำ เพียงแค่ใช้ความแปรปรวน
ก่อนหลาย anovas จะไม่โดยทั่วไปให้เหมาะสมกับประเภทคุ้มครอง
อัตราความผิดพลาด ขั้นตอนพิเศษของการคำนวณบอนเฟอร์โรนีปรับค่าความแปรปรวน
สำคัญหรือพิเศษตาม Post Hoc วิกฤตค่าต้อง
ที่ถูกลักพาตัวไป