[논문 리뷰] Analysis of Multivariate Data and Repeated Measures Designs with the R Package MANOVA.RM

Sarah Friedrich, Frank Konietschke외 1명|arXiv (Cornell University)|2018. 01. 24.

Statistical Methods and Bayesian Inference참고 문헌 27인용 수 30

한 줄 요약

이 논문은 다변량 정규성 또는 특정 공분산 구조를 요구하지 않는 다변량 및 반복 측정 설계에 대한 강력하고 비모수적 추론을 제공하는 R 패키지 MANOVA.RM을 소개한다. 부식 기반 p-값을 사용하는 월드-유형, ANOVA-유형, 수정된 ANOVA-유형 통계량을 구현하여 이질분산성과 소표본에서 정확한 가설 검정을 가능하게 하며, 연구 및 교육 현장에서 널리 접근할 수 있도록 사용자 友好的 GUI 를 제공한다.

ABSTRACT

The numerical availability of statistical inference methods for a modern and robust analysis of longitudinal- and multivariate data in factorial experiments is an essential element in research and education. While existing approaches that rely on specific distributional assumptions of the data (multivariate normality and/or characteristic covariance matrices) are implemented in statistical software packages, there is a need for user-friendly software that can be used for the analysis of data that do not fulfill the aforementioned assumptions and provide accurate p-value and confidence interval estimates. Therefore, newly developed statistical methods for the analysis of repeated measures designs and multivariate data that neither assume multivariate normality nor specific covariance matrices have been implemented in the freely available R-package MANOVA.RM. The package is equipped with a graphical user interface for plausible applications in academia and other educational purpose. Several motivating examples illustrate the application of the methods.

연구 동기 및 목표

• 다변량 정규성 또는 복합 대칭성과 같은 강력한 분포 가정에 의존하지 않는 접근 가능하고 강력한 다변량 및 반복 측정 데이터 분석 통계 방법의 부족을 보완한다.
• 이질분산성과 소표본 크기에서 다층 MANOVA 및 반복 측정 설계에 대해 정확한 p-값과 신뢰구간을 제공한다.
• 학술 및 교육 현장에서 널리 채택될 수 있도록 사용자 친화적인 R 패키지와 그래픽 사용자 인터페이스(GUI)를 개발한다.
• 모든 그룹 간 공분산 행렬이 동일하다는 가정 없이 다변량 Behrens-Fisher 문제에서의 추론을 가능하게 한다.
• 부식 기반 임계값을 사용하여 복잡한 요인설계에서 주효과, 상호작용 및 하위 요인 효과에 대한 민감한 가설 검정을 유연하게 지원한다.

제안 방법

• 다변량 및 반복 측정 설계에서 강력한 추론을 위해 월드-유형 통계량(WTS), ANOVA-유형 통계량(ATS), 수정된 ANOVA-유형 통계량(MATS)을 구현한다.
• 표본 분포를 근사하고 정확한 p-값을 도출하기 위해 부식 기반 기법—순열, 파라미터 부트스트랩, 와일드 부트스트랩—을 사용한다. 특히 소표본에서 유용하다.
• 표준 R 함수인 `aov()` 및 `lm()` 와 유사한 `MANOVA()` 및 `RM()` 함수를 제공하는 R 패키지로 통합하여 사용 용이성을 높인다.
• 장형 및 넓은 형식의 데이터 포맷을 모두 지원하며, 상호작용 효과의 플롯을 포함해 데이터 임포트, 공식 지정, 부식 기반 방법 선택이 가능한 전용 함수 `GUI.MANOVA()`, `GUI.RM()`, `GUI.MANOVAwide()` 를 제공한다.
• 포함된 공식 문법을 통해 중첩 및 요인설계 구조를 포함한 민감한 모델 지정이 가능하며, 반복 측정에서의 개인별 효과도 지원한다.
• 데이터 임포트, 공식 지정, 부식 기반 방법 선택, 상호작용 효과 플롯 기능을 포함한 그래픽 사용자 인터페이스(GUI)를 통합한다.

실험 결과

연구 질문

• RQ1 데이터가 다변량 정규성 및 동분산성 가정을 위반할 경우, 다변량 및 반복 측정 설계에서 어떻게 강력한 추론을 달성할 수 있는가?
• RQ2 이질분산성과 소표본 크기에서 부식 기반 통계량(WTS, ATS, MATS)이 유형 I 오류 비율을 어떻게 제어하는가?
• RQ3 GUI 가 내장된 사용자 친화적인 R 패키지는 통계 프로그래밍에 깊은 숙련도가 없는 연구자 및 교육자들이 고급 다변량 방법을 효과적으로 적용하는 데 기여할 수 있는가?
• RQ4 비정규성 및 비구형 공분산 구조에서 기존 방법(예: Wilks의 람다, Lawley-Hotelling)과 비교할 때 제안된 방법의 검정력과 오류 비율 제어 능력은 어떠한가?
• RQ5 수정된 ANOVA-유형 통계량(MATS)은 MANOVA 설정에서 특이 또는 비동일한 공분산 행렬을 다룰 때 어떤 역할을 하는가?

주요 결과

• MANOVA.RM 패키지는 다변량 정규성 또는 특정 공분산 구조를 요구하지 않는 다변량 및 반복 측정 설계에 대해 강력하고 비모수적 추론을 성공적으로 구현한다.
• 부식 기반 p-값(예: 파라미터 부트스트랩)은 시뮬레이션 연구에서 확인된 바와 같이, 소표본 및 이질분산성 조건에서도 정확한 유형 I 오류 제어를 제공한다.
• 수정된 ANOVA-유형 통계량(MATS)은 공분산 행렬의 특이성과 그룹 간 이질성을 효과적으로 다루며, 다변량 Behrens-Fisher 문제에서 기존 방법보다 뛰어난 성능을 보였다.
• Dugesia 데이터 예제에서 WTS는 계절 효과에 대해 p-값 0.030, 계절×장소 상호작용에 대해 0.034를 산출하였고, 파라미터 부트스트랩 p-값은 각각 0.04와 0.28이었으며, 이는 부식 기반에서의 강력성을 시사한다.
• GUI 인터페이스를 통해 비전문가 사용자도 직관적인 데이터 로딩, 공식 지정, 상호작용 효과 플롯 기능을 쉽게 활용할 수 있어 접근 장벽을 크게 낮춘다.
• 패키지는 중첩 및 반복 측정 구조를 포함한 복잡한 요인설계를 지원하며, 반복 측정에서 전체 요인 및 하위 요인 효과에 대한 민감한 추론을 제공한다.