Односторонний многомерный дисперсионный анализ
d = manova1(X,group)
d = manova1(X,group,alpha)
[d,p] = manova1(...)
[d,p,stats] = manova1(...)
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 p
вектор 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.
Область | Содержание |
---|---|
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 |
dfB | Степени свободы для |
dfT | Степени свободы для |
lambda | Вектор значений статистики лямбда-теста Вилкса для проверки, имеют ли средства размерность 0, 1 и т.д. |
chisq | Преобразование |
chisqdf | Степени свободы для |
eigenval | Собственные значения W-1B |
eigenvec | Собственные векторы W-1B; это коэффициенты для канонических переменных |
canon | Канонические переменные |
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.
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.
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.
[1] Кржановски, У. Дж. Принципы многомерного анализа: перспектива пользователя. Нью-Йорк: Oxford University Press, 1988.