Multivariate Tests von Innersubjekteffekten
In der Tabelle der multivariaten Tests werden vier Signifcance-Tests für jeden Modelleffekt angezeigt. In Analogie zu univariaten Tests wird das "Verhältnis" der SSCP-Matrix zur Fehlermatrix verwendet, um den gewünschten Effekt zu bewerten. Genauer gesagt werden die Eigenwerte der Testmatrix, die durch das Matrixprodukt der entsprechenden Hypothese-SSCP-Matrix definiert sind, und die Inverse der Fehler-SSCP-Matrix verwendet, um die Statistiken in der multivariaten Testtabelle zu berechnen.
- Pillais Spur ist eine positiv bewertete Statistik. Steigende Werte der Statistik zeigen Effekte an, die mehr zum Modell beitragen.
- Wilks ' Lambda ist eine Statistik mit positivem Wert im Bereich von 0 bis 1. Abnehmende Werte der Statistik weisen auf Effekte hin, die mehr zum Modell beitragen.
- Hotelling-Trace ist die Summe der Eigenwerte der Testmatrix. Es handelt sich um eine Statistik mit positiven Werten, bei der steigende Werte auf Effekte hinweisen, die mehr zum Modell beitragen. Hotellings Spur ist immer größer als Pillais Spur, aber wenn die Eigenwerte der Testmatrix klein sind, sind diese beiden Statistiken fast gleich. Dies zeigt an, dass der Effekt wahrscheinlich nicht viel zum Modell beiträgt.
- Roys größte Wurzel ist der größte Eigenwert der Testmatrix. Es handelt sich also um eine Statistik mit positiven Werten, bei der steigende Werte auf Effekte hinweisen, die mehr zum Modell beitragen. Roys größte Wurzel ist immer kleiner oder gleich Hotellings Spur. Wenn diese beiden Statistiken gleich sind, wird der Effekt überwiegend nur einer der abhängigen Variablen zugeordnet, es gibt eine starke Korrelation zwischen den abhängigen Variablen oder der Effekt trägt nicht viel zum Modell bei.
Es gibt Anzeichen dafür, dass Pillais Spur robuster ist als die anderen Statistiken zu Verstößen gegen Modellannahmen 1.
Jede multivariate Statistik wird in eine Teststatistik mit einer ungefähren oder exakten F-Verteilung transformiert. Die Freiheitsgrade der Hypothese (Zähler) und des Fehlers (Nenner) für diese F-Verteilung werden angezeigt.
Die Signifikanzwerte für alle Effekte sind größer als 0.10, was bedeutet, dass sie nicht zum Modell beitragen, mit Ausnahme des Tests für Roys Larget-Root für WEEK* PROMO* MARKETID. Die Fußnote für diese F-Statistik stellt jedoch fest, dass dieser spezielle Test eine Untergrenze für den Signifikanzwert angibt, sodass Sie daraus schließen können, dass der gemeldete Wert von 0.025 eine zu optimistische Schätzung ist.