211911172
3SE2
Kode unik: 09IFZ1K
Resume Chapter 6
COMPARISONS OF SEVERAL MULTIVARIATE MEANS
1. Introduction
Ide-ide yang dikembangkan dalam Bab 5 dapat diperluas untuk menangani masalah yang
melibatkan perbandingan beberapa vektor rata-rata. Teorinya sedikit lebih rumit dan bertumpu
pada asumsi distribusi normal multivariat atau ukuran sampel yang besar.
Sebuah desain tindakan berulang, berguna dalam studi perilaku, secara eksplisit
dipertimbangkan, bersama dengan modifikasi yang diperlukan untuk menganalisis kurva
pertumbuhan. Kita mulai dengan mempertimbangkan pasangan vektor rata-rata. Pada bagian
selanjutnya, kami membahas beberapa perbandingan antara vektor rata-rata yang disusun
menurut tingkat perlakuan. Statistik uji yang sesuai bergantung pada pemisahan variasi total
menjadi potongan-potongan variasi yang disebabkan oleh sumber perlakuan dan kesalahan.
Partisi ini dikenal sebagai analisis multivariat varians (MANOVA).
- Paired Comparisons
Satu pendekatan rasional untuk membandingkan dua perlakuan, atau keberadaan dan
arti dari satu perlakuan, adalah untuk menetapkan kedua perawatan ke unit yang sama atau
identic (perorangan, toko, kavling tanah, dan lain sebagainya). Tanggapan berpasangan
kemudian dapat dianalisis dengan menghitung perbedaannya, sehingga menghilangkan
banyak pengaruh variasi unit-ke-unit asing.
Dalam kasus univariat, misal X j 1 menyatakan respon dari treatment 1 dan X j 2
menyatakan respon dari treatment 2 untuk percobaan ke-j. maka akan terdapat n
perbedaan yang mencerminkan efek diferensial dari treatment.
Misalkan
Jika, sebagai tambahan, D1, D2, ... , Dn adalah vektor acak Np(δ ,Σd) independen,
inferensi tentang vektor perbedaan rata-rata o dapat didasarkan pada statistik T2.
Secara khusus
Generalisasi lain dari statistik berpasangan univariat muncul dalam situasi di mana: q
perlakuan dibandingkan sehubungan dengan variabel respon tunggal. Setiap subjek atau
unit percobaan menerima setiap perlakuan sekali selama periode waktu yang berurutan.
pengamatan ke-j adalah
Dimana Xji adalah respon untuk perlakuan ke-1 pada unit ke-j. Nama tindakan berulang
berasal dari fakta bahwa semua perawatan diberikan ke setiap unit.
Untuk tujuan perbandingan, kami mempertimbangkan kontras dari komponen μ = E(Xj)· Ini
bisa jadi
Baik C1 maupun C2 disebut matriks kontras, karena baris q - 1 keduanya linier independen
dan masing-masing adalah vektor kontras. Sifat desain menghilangkan banyak pengaruh
variasi unit-ke-unit pada perbandingan perlakuan. Tentu saja, eksperimen harus mengacak
urutan perlakuan yang disajikan untuk setiap subjek.
Jika rata-rata perlakuan sama, C1 μ = C2 μ = 0. Secara umum hipotesis bahwa tidak ada
perbedaan perlakuan (equal treatment means) menjadi C μ = 0 untuk setiap pilihan matriks
kontras C. Akibatnya, berdasarkan kontras Cxj dalam pengamatan, kami memiliki rata-rata C
x dan matriks kovarians CSC', dan kami menguji C μ = 0 menggunakan statistik T 2
Selang kepercayaan untuk kontras tunggal c’ μ untuk setiap vektor kontras yang diinginkan
adalah
Ketika sampel besar, struktur ini cukup untuk membuat inferensia mengenai px1 vektor μ1 -
μ2. Namun, ketika n1 dan n2 kecil, akan lebih banyak asumsi yang diperlukan.
Ketika Σ 1 = Σ 2, kita bisa menggabungkan informasi dari kedua sampel dan mengestimasi
kovarians umum:
E( X 1 - X 2 ) = E( X 1 ) - E( X 2 ) = μ1 - μ2
Jika asumsi independen terpenuhi, maka X 1 dan X 1 independen dan akibatnya Cov ( X 1 , X 2)
= 0. Hal ini diikuti dengan
Karena Spooled adalah estimasi dari Σ , didapatkan
dimana jarak kritis c2 ditentukan dari distribusi dua sampel statistic T2.
An Approximation to the Distribution of T2 for Normal Populations When Sample Sizes Are
Not Large
Seseorang dapat menguji H0: μ1 - μ2 = 0 ketika matriks kovarians populasi tidak sama
bahkan jika dua ukuran sampel tidak besar, asalkan kedua populasi adalah: multivariat
normal. Situasi ini sering disebut masalah multivariat Behrens-Fisher (the multivariate
Behrens-Fisher problem). Hasilnya mengharuskan kedua ukuran sampel ni dan n2 lebih
besar dari p, jumlah variabel. Pendekatannya tergantung pada pendekatan terhadap
distribusi statistik
yang identik dengan statistik sampel besar pada Hasil 6.4. Namun, alih-alih menggunakan
pendekatan chi-kuadrat untuk mendapatkan nilai kritis untuk pengujian Ho, pendekatan
yang direkomendasikan untuk sampel yang lebih kecil (lihat [15] dan [19]) diberikan oleh
MANOVA digunakan pertama kali untuk menyelidiki apakah vektor rata-rata populasi adalah
sama dan, jika tidak, komponen mana yang berbeda secara signifikan.
1. X l 1, X l 2 , …., X lnadalah sampel acak berukuran nt dari suatu populasi Dengan rata-rata
μl , l = 1, 2, ... , g. Sampel acak dari populasi yang berbeda adalah independen
2. Semua populasi memiliki matriks kovarians umum Σ
3. Setiap populasi adalah multivariate normal
Kondisi 3 dapat dilonggarkan dengan menggunakan teorema limit pusat (Hasil 4.13) ketika
ukuran sampel nl besar.
Dalam situasi univariat, asumsinya adalah bahwa X l 1, X l 2 , …., X ln adalah sampel acak
2
dari populasi N( μl , σ ), l = 1, 2, ... , g, dan bahwa sampel acak independen. Meskipun
hipotesis nol dari persamaan rata-rata dapat dirumuskan sebagai μ1 = μ2 = … = μ g, itu adalah
kebiasaan untuk menganggap μl sebagai jumlah keseluruhan komponen rata-rata, seperti μ,
dan komponen karena populasi tertentu. Sebagai contoh, kita dapat menulis μl = μ + ( μl - μ)
atau μl = μ + τ l di mana τ l = μl −μ.
Parameterisasi ulang
Atau
Dari 6.36, kita meverifikasi bahwa array merepresentasikan rta-rata, efek perlakuan, dan
residual adalah orthogonal. Artinya, array ini dianggap tegak lurua apapun vector
pengamatannya. Akibatnya, kita bisa mendapatkan SSres dengan pengurangan, tanpa harus
menghitung masing-masing residual, karena SSres = SSobs - SSmean – SStr.
Uji-F biasa menolak Ho: τ 1 = τ 2 = · · · = τ g = 0 pada level a jika
Ini equivalen dengan menolak Ho untuk nilai SStr/SSres yang besar, atau untuk 1 +
SStr/SSres yang besar. Statistik yang sesuai untuk generalisasi multivariat menolak H0 untuk
nilai resiprokal yang kecil
Dekomposisi dalam (6-39) mengarah ke analog multivariat dari jumlah univariat dari
pemisahan kuadrat dalam (6-35). Pertama kami perhatikan bahwa produk
diuji dengan mempertimbangkan ukuran relatif dari perlakuan dan jumlah residual kuadrat
dan hasil kali silang. Secara formal, kami merangkum perhitungan yang mengarah ke
statistik uji dalam tabel MANOVA.
Satu uji H0: τ 1 = τ 2 = · · · = τ g = 0 melibatkan varians umum. Tolak H0 jika rasio varians umum
harus diperiksa untuk normalitas dan keberadaan outlier menggunakan teknik yang dibahas
dalam Bagian 4.6 dan 4.7 dari Bab 4.
.
Hipotesis alternatifnya, minimal ada 2 matriks kovarians tidak sama.
Dngan asumsi populasi berdistribusi normal multivariate, statistik uji likelihood ratio adalah
Xdimana nl adalah ukuran sampel untuk kelompok ke-l, Sl adalah matriks kovarians untuk
kelompok ke-l dan Spooled adalah matriks kovarians sampel yang diberikan oleh
Tes Box didasarkan pada pendekatan X 2 . dengan distribusi sampling -2ln A. atur -2lnA = M
(Statistik Kotak M) memberikan