manova1

Односторонний многомерный дисперсионный анализ

Синтаксис

d = manova1(X,group)
d = manova1(X,group,alpha)
[d,p] = manova1(...)
[d,p,stats] = manova1(...)

Описание

d = manova1(X,group) выполняет односторонний многомерный дисперсионный анализ (MANOVA) для сравнения многомерных средств столбцов X, сгруппированный по group. X является матрицей m на n значений данных, и каждая строка является вектором измерений n переменных для одного наблюдения. group является сгруппированной переменной, заданной как категориальная переменная, вектор, символьный массив, строковые массивы или массив ячеек из векторов символов. Два наблюдения находятся в одной группе, если они имеют одно и то же значение в group массив. Наблюдения в каждой группе представляют выборку из населения.

Функция возвращается d, оценку размерности пространства, содержащего групповое средство. manova1 проверяет нулевую гипотезу о том, что средства каждой группы являются одним и тем же n-мерным многомерным вектором и что любое различие, наблюдаемая в выборке X из-за случайных шансов. Если d = 0, нет никаких доказательств, чтобы отклонить эту гипотезу. Если d = 1, тогда можно отклонить нулевую гипотезу на уровне 5%, но нельзя отклонить гипотезу о том, что многомерные средства лежат на одной линии. Точно так же, если d = 2 многомерное средство может лежать на одной плоскости в n-мерном пространстве, но не на одной линии.

d = manova1(X,group,alpha) обеспечивает управление уровнем значимости, alpha. Значение возврата d будет наименьшей размерностью, имеющим p > alpha, где p является p -значением для проверки, находятся ли средства в пространстве этой размерности.

[d,p] = manova1(...) также возвращает pвектор из p значений для проверки, находятся ли средства в пространстве размерности 0, 1 и так далее. Наибольшей возможной размерностью является либо размерность пространства, либо на единицу меньше, чем количество групп. Существует один элемент p для каждой размерности до, но не включая, самое большое.

Если i p -значение близко к нулю, это ставит под сомнение гипотезу о том, что группа означает лежать на пространстве i-1 размерностей. Выбор критического значения p для определения, является ли результат статистически значимым, оставлен исследователю и задан значением входного параметра alpha. Обычно объявлять результат значимым, если значение p меньше 0,05 или 0,01.

[d,p,stats] = manova1(...) также возвращается stats, структуру, содержащую дополнительные результаты MANOVA. Структура содержит следующие поля.

ОбластьСодержание
W

Внутригрупповая сумма квадратов и матрицы перекрестных произведений

B

Сумма между группами квадратов и матрицы перекрестных произведений

T

Общая сумма квадратов и матрицы перекрестных произведений

dfW

Степени свободы для W

dfB

Степени свободы для B

dfT

Степени свободы для T

lambda

Вектор значений статистики лямбда-теста Вилкса для проверки, имеют ли средства размерность 0, 1 и т.д.

chisq

Преобразование lambda к приблизительному распределению хи-квадрат

chisqdf

Степени свободы для chisq

eigenval

Собственные значения W-1B

eigenvec

Собственные векторы W-1B; это коэффициенты для канонических переменных C, и они масштабируются так, что отклонение канонических переменных равно 1

canon

Канонические переменные C, равный XC*eigenvec, где XC является X со столбцами, центрированными путем вычитания их средств

mdist

Вектор расстояний Махаланобиса от каждой точки до среднего значения его группы

gmdist

Матрица расстояний Махаланобиса между каждой парой групповых средств

Канонические переменные C являются линейными комбинациями исходных переменных, выбранными для максимального разделения между группами. В частности, C(:,1) - линейная комбинация X столбцы, которые имеют максимальное разделение между группами. Это означает, что среди всех возможных линейных комбинаций это тот, с самой значительной F статистикой в однофакторном дисперсионном анализе. C(:,2) имеет максимальное разделение, при котором оно ортогонально C(:,1)и так далее.

Вы можете найти полезным использовать выходы от manova1 наряду с другими функциями, чтобы дополнить ваш анализ. Например, можно хотеть начать с сгруппированной матрицы графика поля точек исходных переменных, используя gplotmatrix. Можно использовать gscatter для визуализации группового разделения с помощью первых двух канонических переменных. Вы можете использовать manovacluster для графика дендрограммы, показывающей кластеры среди средств группы.

Предположения

Тест MANOVA делает следующие предположения о данных в X:

  • Населения для каждой группы обычно распределены.

  • Дисперсионно-ковариационная матрица одинаковая для каждого населения.

  • Все наблюдения являются взаимно независимыми.

Примеры

вы можете использовать manova1 определить, существуют ли различия в средних значениях четырех характеристик автомобилей между группами, определяемыми страной, в которой были произведены автомобили.

load carbig
[d,p] = manova1([MPG Acceleration Weight Displacement],...
                Origin)
d =
   3
p =
     0
  0.0000
  0.0075
  0.1934

В вход матрице четыре размерности, поэтому групповое средство должно лежать в четырехмерном пространстве. manova1 показывает, что вы не можете отклонить гипотезу о том, что средства лежат в 3-D подпространстве.

Ссылки

[1] Кржановски, У. Дж. Принципы многомерного анализа: перспектива пользователя. Нью-Йорк: Oxford University Press, 1988.

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте