Çok Değişkenli Varyans Analizi (MANOVA)
Multivariate Analysis of Variance · Ayrıca şöyle bilinir: Multivariate ANOVA, Çok Değişkenli ANOVA (MANOVA)
MANOVA, tek tek ANOVA'lar yürütmekten kaynaklanacak Tip I hata şişmesini kontrol ederek, birden çok sürekli bağımlı değişken genelinde grup ortalamalarını eş zamanlı olarak karşılaştıran parametrik bir hipotez testidir. Temel çok değişkenli test istatistikleri — Wilks' Lambda, Pillai'nin İzi, Hotelling-Lawley İzi ve Roy'un En Büyük Kökü — 1930'lar ve 1950'ler arasında geliştirilmiş olup, Wilks' Lambda Samuel Stanley Wilks tarafından 1932'de biçimlendirilmiştir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+4 tane daha
Ne zaman kullanılır
İki veya daha fazla bağımsız grubunuz ve kavramsal olarak ilişkili ve orta derecede korelasyonlu olması beklenen (kabaca 0.30–0.90) iki veya daha fazla sürekli bağımlı değişkeniniz olduğunda MANOVA'yı kullanın. Dört varsayım geçerli olmalıdır: (1) her gruptaki bağımlı değişkenler genelinde çok değişkenli normallik, Mardia testi veya Shapiro-Wilk'in Royston uzantısı ile kontrol edilir; (2) gruplar genelinde varyans-kovaryans matrislerinin homojenliği, Box'ın M testi ile kontrol edilir (dikkatli yorumlanmalıdır, çünkü normallik dışı durumlara duyarlıdır); (3) bağımlı değişkenler arasında orta derecede, gereksiz olmayan korelasyonlar — eğer korelasyon yoksa, ayrı ANOVA'lar eşit derecede güçlüdür; (4) gözlemlerin bağımsızlığı, hücre başına önerilen minimum 20 vaka ile.
Güçlü yönler & sınırlılıklar
- Ayrı ANOVA'lar çalıştırmaktan kaynaklanan şişmeyi önleyerek, birden çok ilişkili sonucu test ederken genel Tip I hata oranını kontrol eder.
- Tek değişkenli bir ANOVA'nın ortaya çıkaramayacağı çok değişkenli etkileri — sonuçların örüntüsündeki grup farklılıklarını — tespit eder.
- Sağlık, sosyal, eğitim ve davranış bilimlerinde güçlü metodolojik destekle (Tabachnick & Fidell, 2013) yaygın olarak kabul edilmiştir.
- ANOVA'dan önemli ölçüde daha büyük örneklemler gerektirir; hücre başına önerilen minimum 20 gözlem (bağımlı değişken başına) genellikle elde edilmesi zordur.
- Çok değişkenli normallik varsayımlarının ihlallerine ve varyans-kovaryans matrislerini bozabilen aykırı değerlere duyarlıdır.
- Yorumlama daha karmaşıktır: anlamlı bir omnibus test, takip eden tek değişkenli testlerle ayrıştırılmalıdır ve çok değişkenli test istatistikleri doğrudan sezgisel değildir.
SSS
Hangi test istatistiğini rapor etmeliyim — Wilks' Lambda, Pillai'nin İzi veya başka bir tane?
Pillai'nin İzi, varsayım ihlallerine karşı en dayanıklı olanıdır ve genellikle örneklem büyüklükleri eşit olmadığında veya Box'ın M anlamlı olduğunda önerilir. Wilks' Lambda, literatürde en yaygın raporlanan istatistiktir. Tüm varsayımlar karşılandığında ve grup boyutları eşit olduğunda, dört istatistik de benzer sonuçlar verir. Alanınızın geleneksel olarak kullandığı istatistiği rapor edin ve her zaman F yaklaşımını ve p-değerini ekleyin.
Anlamlı bir MANOVA'dan sonra ne yapmalıyım?
Her bağımlı değişken için ayrı bir tek değişkenli ANOVA çalıştırın, çok değişkenli etkiye neden olan bireysel sonuçları belirlemek için Bonferroni düzeltmesi uygulayın. Yalnızca anlamlı tek değişkenli testlere sahip bağımlı değişkenler, çok değişkenli etkiyi yönlendiren olarak yorumlanır. Bazı araştırmacılar, grupları en iyi ayıran sonuçların hangi doğrusal kombinasyonunu karakterize etmek için ayrım analizi de yaparlar.
Kaç katılımcıya ihtiyacım var?
Yaygın olarak belirtilen bir kılavuz, hücre başına (grup × bağımlı değişken kombinasyonu) en az 20 gözlemdir ve her gruptaki vaka sayısı bağımlı değişken sayısını aşmalıdır. Çok küçük hücrelerde, kovaryans matrisi tahminleri kararsız hale gelir ve Box'ın M güvenilirliğini yitirir.
Bağımlı değişkenlerim ilişkisizse ne olur?
Bağımlı değişkenler ilişkisizse (r sıfıra yakınsa), MANOVA ayrı ANOVA'lara göre güç avantajı sağlamaz. Yöntem, sonuçlar ortak bir yapıyı paylaştığında ve orta derecede pozitif korelasyonlara sahip olduğunda en kullanışlıdır. Neredeyse mükemmel korelasyon (r > 0.90) çoklu doğrusallık sinyali verir ve kovaryans matrislerini kötü koşullandırır — gereksiz değişkenlerden birini kaldırmayı düşünün.
Kaynaklar
- Tabachnick, B.G. & Fidell, L.S. (2013). Using Multivariate Statistics (6th ed.). Pearson. ISBN: 978-0205849574
- Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics (4th ed.). SAGE. ISBN: 978-1446249185
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Multivariate Analysis of Variance. ScholarGate. https://scholargate.app/tr/statistics/manova
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kovaryans Analizi (ANCOVA)İstatistik↔ karşılaştır
- Diskriminant Analiziİstatistik↔ karşılaştır
- Bağımsız Örneklem t-testiİstatistik↔ karşılaştır
- Tek yönlü Varyans Analiziİstatistik↔ karşılaştır
- Tekrarlanan ölçümler ANOVAİstatistik↔ karşılaştır