Allgemeine MANOVA

Die allgemeine MANOVA prüft zwei oder mehr stetige Zielgrößen gemeinsam gegen einen oder mehrere kategoriale Faktoren, optional mit Kovariaten und Zweifach-Wechselwirkungen. Ein gemeinsamer Test hält die Gesamtrate falscher Alarme auf dem gewählten Niveau und berücksichtigt die Korrelation der Zielgrößen. Vorausgesetzt werden unabhängige Beobachtungen und multivariat normalverteilte Fehler mit gleichen Kovarianzmatrizen. Die Ausgabe enthält die Statistiken nach Wilks, Pillai, Hotelling-Lawley und Roy, univariate ANOVAs und optional eine Eigenanalyse.

Zuletzt geprüft

Kernaussage

Die allgemeine MANOVA (multivariate Varianzanalyse) prüft, ob ein oder mehrere Faktoren mehrere zusammenhängende Zielgrößen gemeinsam verändern, etwa Zugfestigkeit und Bruchdehnung an denselben Proben.

Auf dieser Seite
  1. Zweck
  2. Wichtigste Funktionen
  3. Statistische Methoden
  4. Eingabefelder & Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Die allgemeine MANOVA (multivariate Varianzanalyse) prüft, ob ein oder mehrere Faktoren mehrere zusammenhängende Zielgrößen gemeinsam verändern, zum Beispiel Zugfestigkeit und Bruchdehnung derselben Proben. Verwenden Sie sie, wenn Sie an jeder Einheit zwei oder mehr Eigenschaften messen: Ein gemeinsamer Test hält die Gesamtrate falscher Alarme auf dem gewählten Niveau, berücksichtigt die Korrelation zwischen den Zielgrößen und kann eine Änderung in der Kombination der Eigenschaften erkennen, die getrennte ANOVAs übersehen.

Wichtigste Funktionen

  • Zwei oder mehr stetige Zielgrößen werden gemeinsam gegen einen oder mehrere kategoriale Faktoren geprüft.
  • Optionale stetige Kovariaten und alle Zweifach-Wechselwirkungen der Faktoren.
  • Wilks' Lambda, Pillai-Spur, Hotelling-Lawley-Spur und größte Wurzel nach Roy für jeden Term.
  • Univariate ANOVA für jede Zielgröße (Quadratsummen vom Typ III).
  • Auf Wunsch Hypothesen- und Fehler-SSCP-Matrizen mit partiellen Korrelationen sowie eine Eigenanalyse.
  • Data Options: Zeilen vor der Analyse auf eine Teilmenge eingrenzen.

Statistische Methoden

Das Modell ist dasselbe wie im allgemeinen linearen Modell (General Linear Model), angepasst an alle Zielgrößen gleichzeitig: Faktoren mit Summe-null-Kodierung (−1, 0, +1), Kovariaten als Haupteffekte und, wenn angehakt, die Zweifach-Wechselwirkungen der Faktoren (nur bei zwei oder mehr Faktoren). Zeilen mit einem fehlenden Wert in einer der ausgewählten Spalten werden verworfen. Für jeden Term bildet das Werkzeug die Hypothesenmatrix H (die durch den Term erklärten Summen der Quadrate und Kreuzprodukte) und die Fehlermatrix E und prüft den Term anhand der Eigenwerte λ von E⁻¹H.

Wilks' Lambda = det(E) / det(H + E) = Π 1/(1 + λ), klein, wenn der Term wesentlich ist; Pillai-Spur = Σ λ/(1 + λ); Hotelling-Lawley-Spur = Σ λ; größte Wurzel nach Roy = das größte λ. Jede Statistik wird in eine näherungsweise F-Statistik mit den angezeigten Zähler- und Nennerfreiheitsgraden umgerechnet. Die Pillai-Spur ist am unempfindlichsten gegenüber ungleichen Gruppengrößen und ungleichen Kovarianzmatrizen; die Roy-Wurzel ist am empfindlichsten, wenn sich die Gruppen entlang einer einzigen Richtung unterscheiden, ihr F ist jedoch eine obere Schranke, sodass ihr p-Wert zu optimistisch ist.

Die Eigenanalyse listet die Eigenwerte von E⁻¹H mit ihren Anteilen sowie die Eigenvektoren, skaliert so, dass v'(E / DF error)v = 1 gilt. Der erste Eigenvektor liefert die gewichtete Kombination der Zielgrößen, die die Faktorstufen am stärksten trennt. Die univariaten Tabellen sind ANOVAs vom Typ III jeder einzelnen Zielgröße. Die MANOVA setzt unabhängige Beobachtungen und multivariat normalverteilte Fehler mit derselben Kovarianzmatrix in jeder Gruppe voraus.

Eingabefelder & Optionen

Feld

Beschreibung

Responses (Y)

Zwei oder mehr stetige Spalten, die gemeinsam geprüft werden. Erforderlich.

Factors (categorical)

Eine oder mehrere kategoriale Prädiktorspalten. Erforderlich.

Covariates (continuous)

Optionale numerische Spalten, die nur als Haupteffekte aufgenommen werden.

Include all 2-way factor interactions

Standardmäßig angehakt; nur aktiv, wenn zwei oder mehr Faktoren ausgewählt sind.

Show univariate ANOVA per response

Standardmäßig angehakt.

Matrices (hypothesis, error, partial correlations)

Standardmäßig aus: ergänzt die SSCP-Matrizen und die partiellen Korrelationen der Zielgrößen.

Eigen analysis

Standardmäßig aus: Eigenwerte und Eigenvektoren von E⁻¹H für jeden Term.

Data Options: Subset (optional)

Exclude matching rows (Standard) oder Include only matching rows, nach Zeilennummern und/oder einer Bedingung.

general-manova-inputs


Abbildung 1 – Options für das Werkstoffbeispiel: Zugfestigkeit und Bruchdehnung als Zielgrößen, Treatment als Faktor, univariate ANOVA und Eigenanalyse angehakt.

Beschreibung der Ausgabe

  • MANOVA – Value, Num DF, Den DF, F Value und P-Value der vier multivariaten Statistiken für jeden Term.
  • Univariate Analysis of Variance – eine ANOVA-Tabelle je Zielgröße.
  • SSCP-Matrizen und partielle Korrelationen – wenn Matrices angehakt ist.
  • Eigen Analysis – Eigenwerte, Anteile, kumulierte Anteile und Eigenvektoren für jeden Term, wenn angehakt.
  • PDF-Export über Download.

general-manova-output


Abbildung 2 – MANOVA der beiden Eigenschaften: Alle vier Statistiken verwerfen die Gleichheit der Behandlungsmittelwerte (Wilks' Lambda 0.11217, F = 19.86, p < 0.001).

Beispiel

Eine Werkstoffingenieurin vergleicht eine Kontrollgruppe mit zwei Behandlungen, A und B, und prüft je 8 Proben auf Zugfestigkeit (MPa) und Bruchdehnung (%). Zwei getrennte ANOVAs würden die Wahrscheinlichkeit eines falschen Alarms erhöhen, daher prüft sie beide Eigenschaften gemeinsam, mit Treatment als Faktor, und hakt die univariate ANOVA und die Eigenanalyse an.

Die Behandlungen verändern das Eigenschaftspaar deutlich: Wilks' Lambda beträgt 0.11217 (F = 19.86 bei 4 und 40 DF), die Pillai-Spur 1.28404 (F = 18.83), und alle vier Tests ergeben p < 0.001. Die univariaten Tabellen zeigen, dass sich auch jede Eigenschaft für sich ändert: Festigkeit F = 25.75 und Bruchdehnung F = 18.60, beide p < 0.001. Die mittlere Festigkeit steigt von 211.9 MPa (Kontrolle) auf 225.7 (A) und 238.1 (B); die mittlere Bruchdehnung beträgt 12.6 %, 14.6 % und 10.9 %.

Die Eigenanalyse erklärt das Muster. Die erste Richtung (75.7 % der Trennung) gewichtet die Festigkeit positiv (0.114) und die Bruchdehnung negativ (−0.518): der Zielkonflikt, der Behandlung B abhebt, mit der höchsten Festigkeit, aber der geringsten Duktilität. Die zweite Richtung (24.3 %) hat positive Gewichte für beide; so unterscheidet sich Behandlung A: Sie erhöht Festigkeit und Bruchdehnung gemeinsam. Wenn das Teil beide Eigenschaften benötigt, ist Behandlung A die sicherere Wahl.

Häufig gestellte Fragen

Wann sollte man eine MANOVA statt getrennter ANOVAs verwenden?

Verwenden Sie die MANOVA, wenn Sie an jeder Einheit zwei oder mehr Eigenschaften messen. Ein gemeinsamer Test hält die Gesamtrate falscher Alarme auf dem gewählten Niveau, berücksichtigt die Korrelation zwischen den Zielgrößen und kann eine Änderung in der Kombination der Eigenschaften erkennen, die getrennte ANOVAs übersehen. Getrennte ANOVAs erhöhen die Wahrscheinlichkeit eines falschen Alarms.

Was ist der Unterschied zwischen Wilks' Lambda, Pillai-Spur, Hotelling-Lawley-Spur und Roy-Wurzel?

Alle vier prüfen jeden Term anhand der Eigenwerte des Produkts aus inverser Fehlermatrix und Hypothesenmatrix, und jede wird in ein näherungsweises F umgerechnet. Wilks' Lambda ist klein, wenn der Term wesentlich ist. Die Pillai-Spur ist am unempfindlichsten gegenüber ungleichen Gruppengrößen und Kovarianzmatrizen. Die Roy-Wurzel reagiert am empfindlichsten auf Unterschiede entlang einer Richtung, ihr p-Wert ist jedoch zu optimistisch.

Welche Annahmen gelten für die MANOVA?

Die MANOVA setzt unabhängige Beobachtungen und multivariat normalverteilte Fehler mit derselben Kovarianzmatrix in jeder Gruppe voraus. Zeilen mit einem fehlenden Wert in einer der ausgewählten Spalten werden verworfen. Bei ungleichen Gruppengrößen oder Kovarianzmatrizen ist die Pillai-Spur die unempfindlichste der vier multivariaten Statistiken.

Was sagt die Eigenanalyse in der MANOVA aus?

Die Eigenanalyse listet die Eigenwerte mit ihren Anteilen sowie die Eigenvektoren. Der erste Eigenvektor liefert die gewichtete Kombination der Zielgrößen, die die Faktorstufen am stärksten trennt. Im Werkstoffbeispiel gewichtete die erste Richtung die Festigkeit positiv und die Bruchdehnung negativ und zeigte so den Zielkonflikt zwischen Festigkeit und Duktilität, der Behandlung B abhob.