People Innovation Excellence

Multiple Analysis of Variance

Multiple analysis of variance (MANOVA) digunakan mengukur pengaruh variabel independen yang berskala kategorik terhadap beberapa variabel dependen sekaligus yang berskala data kuantitatif. Manova merupakan singkatan dari multivariate analysis of variance, artinya merupakan bentuk multivariate dari analysis of variance (ANOVA). Bentuk multivariate maksudnya adalah terdapat lebih dari satu variabel terikat.

 

MANOVA menggunakan satu atau lebih variabel independen kategorik sebagai prediktor, seperti halnya ANOVA, tetapi MANOVA menggunakan lebih dari satu variabel dependen. Uji ANOVA menguji perbedaan mean pada variabel dependen untuk beberapa variabel independen, sedangkan MANOVA menguji perbedaan vektor mean beberapa variabel dependen. Kita dapat juga menjalankan post hoc test untuk melihat nilai faktor mana yang paling berkontribusi signifikan terhadap variabel dependen. Sehingga uji manova digunakan untuk mengukur pengaruh variabel independen terhadap beberapa variabel dependen secara simultan atau sekaligus.

 

Uji ini mirip sekali dengan uji Hotelling’s T2. Letak perbedaannya adalah jika uji hotelling’s T2 digunakan apabila hanya terdapat 1 variabel independen dengan 2 kategori saja. Sedangkan manova dapat digunakan pada lebih dari 1 variabel independen dan/atau kategori dua atau lebih.

 

Jadi apabila dibuat kesimpulan:

MANOVA adalah bentuk multivariat dari ANOVA sedangkan Hotelling’s T2 adalah bentuk multivariat dari independen t test.

Manova dapat dikatakan kebalikan dari analisis diskriminan , karena pada analisis diskriminan variabel dependen yang berskala kategorik dan variabel independen yang berskala kuantitatif. Kedua uji ini mempunyai kesamaan dalam cara menentukan nilai variate dan menguji signifikansi statistic antar kelompok.

Keunggulan dari Manova adalah mampu digunakan untuk menganalisis pengaruh setiap variabel independen yang berskala kategorik terhadap masing-masing variabel dependen secara terpisah, di mana variabel dependen berskala kuantitatif.

Tujuan dari MANOVA adalah untuk menguji apakah vector sarana untuk dua atau lebih kelompok adalah sampel dari distribusi sampling yang sama. Ada dua situasi utama di mana MANOVA digunakan.

Yang pertama adalah ketika ada beberapa variabel dependen berkorelasi, dan peneliti menginginkan, uji statistic tunggal keseluruhan pada set variable bukannya melakukan beberapa tes individu.Yang kedua, dan dalam beberapa kasus, tujuan yang lebih penting adalah untuk menjelajahi bagaimana variabel independen mempengaruhi beberapa pola respon pada variabel dependen.

MANOVA juga memiliki masalah yang sama dari beberapa perbandingan post hoc sebagaiANOVA. Sebuah ANOVA memberikan satu tes keseluruhan kesetaraan sarana untuk beberapa kelompok untuk variabel tunggal. ANOVAtidak akan memberitahu Anda yang berbeda dari kelompok-kelompok yang kelompok lain. (Tentu saja, dengan bijaksana penggunaan coding kontrasapriori, seseorang dapat mengatasi masalah ini.) MANOVA memberikan satu tes keseluruhan kesetaraan vector rata-rata untuk beberapa kelompok. Tapi itu tidak dapat memberitahu Anda yang berbeda dari kelompok-kelompok yang kelompok lain pada vector rata-rata mereka. (Seperti ANOVA, juga memungkinkan untuk mengatasi masalah ini melalui penggunaan coding kontrasapriori.) Selain itu, MANOVA tidak akan memberitahu Anda yang variable bertanggung jawab atas perbedaan vector rata-rata. Sekali lagi, adalah mungkin untuk mengatasi hal ini dengan coding kontras yang tepat untuk variabel dependen

 

Asumsi yang berlaku dalam MANOVA antara lain:

  • Distribusi Normal: Variabel terikat harus terdistribusi normal dalam kelompok. Secara keseluruhan, uji F adalah kuat untuk non-normalitas, jika non-normalitas disebabkan oleh kemiringan bukan oleh outlier.Pengujian outlier harus dijalankan sebelum melakukan MANOVA, dan outlier harus diubah atau dihapus.
  • Linearitas: MANOVA mengasumsikan bahwa ada hubungan linear antara semua pasangan variabel dependen, semua pasangan kovariat, dan semua pasangan variabel-kovariat tergantung di setiap sel. Karena itu, ketika hubungan menyimpang dari linearitas, kekuatan analisis akan dikompromikan.
  • Homogenitas Varians: homogenitas varians mengasumsikan bahwa variabel dependen menunjukkan tingkat yang sama dari varian di berbagai variabel prediktor. Ingat bahwa varians error dihitung (error SS) dengan menambahkan jumlah kuadrat masing-masing kelompok. Jika varians dalam dua kelompok yang berbeda satu sama lain, kemudian menambahkan dua bersama-sama tidak tepat, dan tidak akan menghasilkan perkiraan umum dalam kelompok varians. Homoscedasticity dapat diperiksa grafis atau dengan cara dari sejumlah uji statistik.
  • Homogenitas Varians dan covariances: Dalam desain multivariat, dengan beberapa tindakan tergantung, homogenitas varians asumsi dijelaskan sebelumnya juga berlaku. Namun, karena ada beberapa variabel dependen, juga diperlukan bahwa interkorelasi mereka (covariances) yang homogen di seluruh sel-sel dari desain.Ada berbagai tes spesifik asumsi ini.

 

Keterbatasan

Outliers – Seperti ANOVA, MANOVA sangat sensitif terhadap outlier. Outliers dapat menghasilkan baik Tipe I atau kesalahan Tipe II dan tidak memberikan indikasi yang jenis kesalahan yang terjadi dalam analisis.Ada beberapa program yang tersedia untuk menguji outlier univariate dan multivariate.

Multikolinearitas dan Singularity – Ketika ada korelasi yang tinggi antara variabel dependen, satu variabel dependen menjadi kombinasi-dekat linear dari variabel dependen lainnya. Dalam keadaan seperti itu, itu akan menjadi statistik berlebihan dan mencurigai mencakup kombinasi.

 

Special case

Dua kasus khusus muncul dalam MANOVA, dimasukkannya dalam-subyek variabel independen dan ukuran sampel yang tidak sama dalam sel.

Ukuran sampel yang tidak sama – Seperti ANOVA, ketika sel-sel dalam MANOVA faktorial memiliki ukuran sampel yang berbeda, jumlah kotak untuk efek ditambah kesalahan tidak sama dengan total jumlah kotak. Hal ini menyebabkan tes efek utama dan interaksi berkorelasi. SPSS menawarkan dan penyesuaian untuk ukuran sampel yang tidak sama di MANOVA.

Dalam pelajaran-desain – Masalah timbul jika tindakan peneliti beberapa variabel dependen yang berbeda pada kesempatan yang berbeda. Situasi ini dapat dilihat sebagai subjek dalam variabel independen dengan sebanyak tingkat sebagai kesempatan, atau dapat dipandang sebagai variabel dependen yang terpisah untuk setiap kesempatan.


Published at : Updated
Leave Your Footprint

    Periksa Browser Anda

    Check Your Browser

    Situs ini tidak lagi mendukung penggunaan browser dengan teknologi tertinggal.

    Apabila Anda melihat pesan ini, berarti Anda masih menggunakan browser Internet Explorer seri 8 / 7 / 6 / ...

    Sebagai informasi, browser yang anda gunakan ini tidaklah aman dan tidak dapat menampilkan teknologi CSS terakhir yang dapat membuat sebuah situs tampil lebih baik. Bahkan Microsoft sebagai pembuatnya, telah merekomendasikan agar menggunakan browser yang lebih modern.

    Untuk tampilan yang lebih baik, gunakan salah satu browser berikut. Download dan Install, seluruhnya gratis untuk digunakan.

    We're Moving Forward.

    This Site Is No Longer Supporting Out-of Date Browser.

    If you are viewing this message, it means that you are currently using Internet Explorer 8 / 7 / 6 / below to access this site. FYI, it is unsafe and unable to render the latest CSS improvements. Even Microsoft, its creator, wants you to install more modern browser.

    Best viewed with one of these browser instead. It is totally free.

    1. Google Chrome
    2. Mozilla Firefox
    3. Opera
    4. Internet Explorer 9
    Close