SPSS-FORUM.DE

Hello all,

Concerning the normality assumption: Shapiro-Wilk test and Q-Q plots indicate that 7 of 8 dependent variables (DVs) violate the assumption. I applied a logistic transformation, but afterwards, it was still violated. I applied an inverse transformation after which 6 of the 8 DVs meet the normality assumption.
Is it okay to use an inverse transformation to be able to run a MANOVA?
Also, what can I do about the remaining 2 DVs?

When checking the linearity assumption by comparing means and testing for linearity, only 6 of the 28 pairs of DVs for each group meet the assumption. What do I need to do now?

Can I use the Box's M test for checking the homogeneity assumption?

Thank you for your attention. I am looking forward to your German or English replies.

Best, Jo

Ich nehme an, es gibt Gruppierungsvariablen? Die unkonditionalen abhängigen Variaben müssen nicht normalverteilt sein. Und bei ausreichender Stichprobengröße spielt auch die (Nicht-)Normalverteiltheit
der Residuen keine Rolle mehr.

Warum und wozu, mit welcher Fragestellung iwrd die MANOVA gerechnet und wie groß ist die Stichprobe?

Mit freundlichen Grüßen

PonbderStibbons

Danke für die Antwort!
Die unabhängige Variable gruppiert die 423 Teilnehmer in 3 Gruppen.
Ich möchte mit der Analyse untersuchen, wie sich die Gruppen in den 8 abhängigen Variablen unterscheiden, also ob es einen Unterschied macht, in welcher Gruppe ein Teilnehmer ist.
Also was heißt das für die Voraussetzungen?

Die 8 abhängigen Variablen operationalisieren gemeinsam ein Konstrukt?
Nur dann würde eine multivariate Varianzanalyse Sinn ergeben.

Was Normalverteilung angeht, da interessiert niemals die Verteilung der
unkonditionalen abängigen Variable, sondern die Verteilung in den einzelnen
Gruppen. Oder einfacher: die Verteilung der Residuen des Modells
(d.h. ob die Residuen in der Grundgesamtheit normalverteilt sind). Das ist
allerdings eine ziemlich unwichtige Voraussetzung bei varianzanalysen
und ab n > 30 kann man davon ausgehen, dass auch eine nicht-normale
Residuenverteilung keine Probleme mehr bereitet (zentraler Grenzwertsatz).

Mit freundlichen Grüßen

PonderStibbons

Ich verstehe, vielen Dank! Dann hat sich das mit der normality assumption geklärt.

Was kann ich nun tun, da keine lineare Beziehung zwischen den abhängigen Variablen für jede Gruppe der unabhängigen Variable besteht?

Nach allem was ich weiß reduziert das nur die power, aber führt nicht zu bias.
Bei n=423 würde ich mir über power nicht allzu viele Gedanken machen.

Falls Du in Sachen Lienarität einen statistische Signifikanztest durchgeführt
hast, ginge ich auch erstmal davona aus, dass der durch die 3 Stichprobengrößen
viel zu sensitiv war; auch unwesentliche Abweichungen werden da "signifikant".

Herumtransformieren wird in der Regel keine Probleme lösen, wenn man dann
mit transformierten Variablen rechnet, die man inhaltlich nicht beschreiben und
erklären kann. Allerdings habe ich keinen Schimmer, worum es in der Studie geht
und worin die Variablen bestehen. Variablen wie Reaktionsgeschwindigkeit oder
Einkommen z.B. kann man oft sinnvoll transformieren.

Mit freundlichen Grüßen

PonderStibbons