SPSS 분석 (2) Two-way Reapeated Measure ANOVA

Taejun Kim·2021년 12월 1일

Two-way RM ANOVA 테스트를 돌려보자.

어떤 테스트?

내가 분석해야 할 데이터는

Outcome variable 개수 = 1개 (Accuracy)
Outcome variable type = Continuous
Predictor variable 개수 = 2개(방위 기준, 팔의 자세)
Predictor variable type = Categorical
Same or different entities in each category? = Same
(이 조건이 Same이면 within-subject, Different면 between-subject 디자인)

마지막으로 Assumption of linear regression(링크)를 통과하면 Factorial repeated measure ANOVA, 통과하지 못하면 Robust factorial repeated measure ANOVA를 한다.

Toetskeuzeschema Field

지금부터의 목차는 다음과 같다:

데이터의 정규성 검정
테스트 (Factorial RM ANOVA)
- 구형성 체크
- 방법 간 차이의 significant effect (p-value) 체크
- post-hoc 분석

정규성 검정 표 확인
- Shapiro-Wilk normality Test의 유의확률(p-value)이 0.05보다 크면 정규성 성립
- 모든 조건의 데이터에서 정규성이 만족하는 것을 알 수 있음

2-way, 3-way, 4-way, ... 모두 Factorial RM ANOVA 테스트로 한다.

구형성 검정
- Mauchly's Test에서 유의 확률(p-value)이 0.05보다 크면 구형성 만족
- 본 데이터는 구형성이 만족됨
- 구형성이 만족되지 않으면 significant effect를 볼 때 Greenhouse-Gesser (p < 0.05 &&
  Greenhouse-Geisser Epsilon < 0.75) 혹은 Huynh-Feldt (p < 0.05 && Greenhouse-Geisser Epsilon > 0.75) 에 따른 결과를 사용해야 한다.
- 독립 변수의 level이 2개라면 자동으로 구형성이 만족되어 체크할 필요가 없다. (아래의 변수 orientation의 케이스)
방법 간 차이의 significant effect 체크
- 구형성 가정이 만족됐기 때문에 가장 위의 유의확률(p-value)를 보면 된다.
- armpose에서만 p < 0.05로 방법 간 차이의 significant effect가 확인됐다.
- "There was a significant effect of armpose on accuracy (F(2,22)=20.482, p=.000)"
사후 분석(post-hoc analysis w/ Bonferroni Correction)
- orientation에 대한 사후 분석. 유의미한 차이가 없음을 알 수 있다.
- armpose에 대한 사후 분석. (armpose 2 - armpose 1), (armpose 2 - armpose 3) 사이에 유의미한 차이가 있고, (armpose 1 - armpose 3)사이에는 유의미한 차이가 없음을 알 수 있다.