As vantagens de MANOVA sobre ANOVA

Análise de variância multivariada ( MANOVA ) e análise de testes de variância (ANOVA) são métodos estatísticos para analisar a diferença de meios entre as variáveis. Os testes MANOVA e ANOVA são de natureza semelhante a um outro, porque eles trabalham com os mesmos pressupostos; no entanto, existem algumas vantagens chave para usar uma MANOVA mais de uma análise de variância . Várias Variáveis ​​Dependentes

A MANOVA pode medir múltiplas variáveis ​​dependentes , enquanto que a análise de variância permite apenas um. A capacidade de medir os efeitos de uma variável independente em várias variáveis ​​dependentes é útil para comparar o efeito da variável independente em diferentes contextos. Você precisa executar várias ANOVA testes para medir o mesmo número de coisas que se MANOVA faz.

Simultânea Testing

Porque a MANOVA testa múltiplas variáveis ​​dependentes de uma só vez , você está testando os efeitos das variáveis ​​independentes simultaneamente. Executar vários testes ANOVA de cada variável não só leva mais tempo, mas aumenta o risco de erros de I estatísticos tipo. Um erro tipo I ocorre quando um teste estatístico rejeita a hipótese nula quando ela é verdadeira. Por exemplo, se sua hipótese nula é ” os alunos que estudam têm os resultados dos testes mais elevados do que os alunos que não estudam “, então um erro de tipo seria fazer com que seus resultados para rejeitar essa afirmação , apesar de os seus dados realmente apoiaram.

Finding Efeito

A MANOVA também aumenta a sua chance de encontrar um efeito que uma variável independente tem . Quando você está medindo a variável independente do efeito sobre múltiplas variáveis ​​dependentes, você pode achar que há uma influência significativa sobre uma das variáveis ​​dependentes , mas não os outros. Usando uma análise de variância , você só teria vindo a testar uma das variáveis ​​dependentes.

Desvantagens

Embora os testes MANOVA têm vantagens significativas sobre a análise de variância , também há alguma chave desvantagens . O teste é mais complexo do que para executar uma única análise de variância , e os resultados podem ser mais ambíguo. Por exemplo, se você achar que uma variável independente afeta várias variáveis ​​dependentes , você não pode dizer com certeza se é ou não realmente foi a variável independente , ou as múltiplas variáveis ​​dependentes que têm um efeito sobre o outro. Porque ANOVA testa só tem uma variável dependente , os resultados são mais claros.