推 andrew43: 畫個圖,橫軸前測,縱軸後側,不同顏色點表組別 05/08 00:13
→ recorriendo: 組別是一開始就隨機分的話 作獨立樣本 05/08 13:25
→ recorriendo: 檢定(後-前)就好了吧 05/08 13:25
推 andy10217: 隨機分派得宜的話,應該用後測就可以代表結果了;如果 05/08 17:56
→ andy10217: 要用ANCOVA的顯著來發表,就只能針對校正的變項說明可 05/08 17:56
→ andy10217: 能有仍有小幅度影響,但我覺得出來的Effect size可能也 05/08 17:56
→ andy10217: 不會太高,剛好過顯著的邊緣。或者發表的時候可以兩者 05/08 17:56
→ andy10217: 一起分享?類似SRMA有些會同時發表random跟fixed effec 05/08 17:56
→ andy10217: t model來解釋 05/08 17:56
→ V1t4m1n: 謝謝大家!聽起來好像獨立樣本t檢定就足夠了,我會再跟 05/08 19:36
→ V1t4m1n: 老師討論看看><真的非常感謝大家~QQ 05/08 19:36
→ recorriendo: ANCOVA代表某些變異度可被前測解釋掉 剩下的變異度 05/08 22:47
→ recorriendo: 被組別解釋的程度達顯著 05/08 22:47
→ recorriendo: 若後測的分布很廣確實會有這種現象 05/08 22:48
→ recorriendo: 不過用(後-前) difference score還是ANCOVA較合理是 05/08 22:51
→ recorriendo: 吵不完的 估狗pre-post ANCOVA就會看到一拖拉庫討論 05/08 22:51
→ recorriendo: 個人覺得difference score比較直觀 05/08 22:51
→ yhliu: 如 1F 說的,畫個圖吧! 或許 ANCOVA 也不適當呢! 05/09 13:13
→ yhliu: 空口白話地爭論用什麼方法好是無意義的, 如果資料不合所假 05/09 13:15
→ yhliu: 設的模型, 強用假設的模型去分析得到的只是扭曲的結果. 05/09 13:17
→ yhliu: 後測 Yij, 前測 Xij, ANCOVA 假設 Yij=Mi+bXij+Eij, 05/09 13:19
→ yhliu: 後測減前測法假設 Yij = Mi + Xij + Eij 05/09 13:20
→ yhliu: 但也可能實際上 Yij =Mi+BjXij + Eij, 甚至 Eij 有異幅變異 05/09 13:22
→ yhliu: ANCOVA 顯著而不考慮前測則後測不顯著,原因就是前測對後測 05/09 13:25
→ yhliu: 有影響, ANCOVA 消除了這項影響 (如果模型假設成立), 因此 05/09 13:27
→ yhliu: 誤差項變異數較小. 單純比較後測則把 Xij 的變異也放進誤差 05/09 13:29
→ yhliu: 項, 因此誤差較大. 既有前測資料, 而且前測結果與後測結果 05/09 13:30
→ yhliu: 有關, 當然應考慮進去, 但如何適當地把前測結果放進模型, 05/09 13:32
→ yhliu: 就是另一回事了. 05/09 13:32
→ recorriendo: 我的意思是學理上解釋ANCOVA結果比較迂迴 (當然很多 05/09 15:40
→ recorriendo: 論文討論時也沒那麼講究...) 心理方面的通常解釋是 05/09 15:40
→ recorriendo: : 前測量的是trait變異度 後測的變異度則是trait變 05/09 15:40
→ recorriendo: 異度和treatment疊加的結果 生醫方面則通常更難解 05/09 15:40
→ recorriendo: 釋 05/09 15:40
→ recorriendo: 另外原PO說的"前測比組別重要"不對 畫出variance 05/09 15:46
→ recorriendo: partition文氏圖比較好理解 或者直接轉成回歸比較 05/09 15:46
→ recorriendo: t value才知道相對重要度 05/09 15:46
→ recorriendo: 上面最後還是不太嚴謹 應該先定義好"相對重要度"指 05/09 18:33
→ recorriendo: 什麼 t-value不是對應一般理解上的重要度 05/09 18:33