RMD의 Assumption

RMD의 가정

1) 모집단의 분포는 normality이어야 한다.

(모집단의 분포는 정규분포) 내가 샘플을 뽑았더라도 그것이 모집단을 잘 대표해야 한다. --> 뽑는 것과 관련.

 

2) 모집단의 변량이 동일하다. (Homogeneity of variance)

독립변인의 수준이 둘이나 셋이었을 때, 퍼져 있는 정도가 같아서 샘플에 처치를 하더라도 모집단도 똑같이 처치를 받은 것과 같은 모양이다라는 것이 가정되어야 한다.

퍼지는 경우가 다를 경우는 ① 처치가 그렇게 하는 경우와 ② 뽑을 때 잘못 뽑을 수 있다. 한쪽에 치우쳐서 뽑을 수 있다.

 

3) 독립성 (Independence of observations)

이건 점수를 갖고 말하는 것. 이 점수가 저 점수와는 별개이다. 서로 영향을 받지 않는다. 관찰된 점수가 서로 독립적이다. 그런데, RMD에서는 이것이 좀 걸릴 수 있다. RMD에서의 독립성은 집단끼리의 독립성을 말하는 것이다.

 

4) 공변량 동질성 (Homogenity of covariance)

서로 관련이 되어서 변한다. 함께 변하는 정도가 같으냐? 틀리냐? counter balancing이 잘 되면, 이런 문제가 없을 수 있다.

교재) 독립집단설계에서는 피험자들이 각 실험조건에 무작위로 할당되고, 따라서 각 실험조건의 피험자들이 서로 무관한 사람들이므로, 한 실험조건의 종속측정치와 다른 실험조건의 종속측정치가 서로 독립적이다. 그러나, 반복측정설계에서는 동일한 피험자들이 각 실험조건에서 반복적으로 측정되므로, 한 실험조건의 종속측정치들과 다른 실험조건의 종속측정치들이 서로 상관관계를 갖게 된다. 합동대칭성 가정이란 이 상관관계의 양상에 관한 가정이다. 합동대칭성 가정은 모든 실험조건들 사이의 공변량이 또한 모집단에서도 모두 동일하다는 것이다.

 

spss에서는 symmetry = sphericity = cicularity 구형성으로 표현. 최고 수치로 1. 1에 가까우면 좌우의 균형을 잘 맞추고 있다는 말. 좌우의 균형이 맞지 않다면, 어떤 것을 먼저 하느냐에 따라 평균이 달라질 수 있다는 말이다. 이렇게 균형이 안 맞으면 교정을 한 차원에서 변량분석을 해야 한다.

공변량 동질성가정 파기 대처방안 ;

Box correction

Huynh and Feldt

Geisser & Green house 검증 이런 검증은 서로 공변량이 유사한지 안한지를 보고자 한 것이다.