[论文解读] Analysis of Multivariate Data and Repeated Measures Designs with the R Package MANOVA.RM

Sarah Friedrich, Frank Konietschke+1 more|arXiv (Cornell University)|Jan 24, 2018

Statistical Methods and Bayesian Inference参考文献 27被引用 30

一句话总结

本论文介绍了 R 包 MANOVA.RM，该包为多元和重复测量设计提供了稳健的非参数推断方法，无需假设多元正态性或特定协方差结构。它实现了基于重采样方法的 p 值的 Wald 统计量、ANOVA 统计量和修正 ANOVA 统计量，可在异方差性和小样本条件下实现精确假设检验，并通过用户友好的图形界面提升科研与教育领域的可及性。

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.

研究动机与目标

• 解决多元和重复测量数据缺乏可访问且稳健的统计方法的问题，这些方法不依赖于多元正态性或复合对称性等强分布假设。
• 在异方差性和小样本量条件下，为因子 MANOVA 和重复测量设计提供准确的 p 值和置信区间。
• 开发一个用户友好的 R 包并配备图形界面，以促进其在学术和教育环境中的广泛应用。
• 通过避免组间协方差矩阵相等的假设，实现多元 Behrens-Fisher 问题中的推断。
• 利用基于重采样的临界值，支持在复杂因子设计中对主效应、交互效应和子图效应进行灵活假设检验。

提出的方法

• 实现三种检验统计量：Wald 统计量（WTS）、ANOVA 统计量（ATS）和修正 ANOVA 统计量（MATS），用于多元和重复测量设置下的稳健推断。
• 使用重采样技术——置换法、参数自展法和野生自展法——近似抽样分布并推导准确的 p 值，尤其适用于小样本情况。
• 将方法整合进 R 包中，提供 `MANOVA()` 和 `RM()` 函数，其设计模仿标准 R 函数如 `aov()` 和 `lm()`，以提升易用性。
• 支持长格式和宽格式数据，配备专用函数 `GUI.MANOVA()`、`GUI.RM()` 和 `GUI.MANOVAwide()`，用于交互式数据分析。
• 通过公式语法实现灵活的模型设定，支持嵌套和因子结构，并在重复测量中支持受试者特异性效应。
• 集成图形用户界面（GUI），提供数据导入、公式设定、重采样方法选择以及交互效应绘图等功能。

实验结果

研究问题

• RQ1 当数据违反多元正态性和同方差性假设时，如何在多元和重复测量设计中实现稳健推断？
• RQ2 在异方差性和小样本量条件下，基于重采样的检验统计量（WTS、ATS、MATS）在控制第一类错误率方面的表现如何？
• RQ3 一个配备 GUI 的用户友好 R 包能否有效支持研究人员和教育工作者在无需深入统计编程知识的情况下应用高级多元方法？
• RQ4 在非正态和非球形协方差结构下，所提出的方法与经典方法（如 Wilks’ Lambda、Lawley-Hotelling）在统计功效和误差率控制方面相比如何？
• RQ5 修正 ANOVA 统计量（MATS）在处理 MANOVA 设置中奇异或不等协方差矩阵方面发挥什么作用？

主要发现

• MANOVA.RM 包成功实现了无需假设多元正态性或特定协方差结构的稳健非参数推断，适用于多元和重复测量设计。
• 基于重采样的 p 值（如参数自展法）在小样本和异方差条件下均能提供准确的第一类错误控制，如论文中引用的模拟研究所示。
• 修正 ANOVA 统计量（MATS）在处理协方差矩阵奇异性和组间协方差结构异质性方面表现有效，在多元 Behrens-Fisher 问题中优于经典方法。
• 在 Dugesia 数据示例中，WTS 对季节效应的 p 值为 0.030，对季节:地点交互效应的 p 值为 0.034；而参数自展法的 p 值分别为 0.04 和 0.28，表明在重采样下具有稳健性。
• GUI 界面支持直观的数据加载、公式设定和交互效应绘图，显著降低了非专业用户使用门槛。
• 该包支持复杂因子设计，包括嵌套和重复测量结构，并为重复测量中的整个主图效应和子图效应提供灵活的推断能力。