Ma tâche consiste à tester s'il y a un changement dans la matrice de covariance de 6 variables. Les valeurs de 6 variables sont mesurées deux fois chez les mêmes sujets (3 ans entre les mesures).
Comment puis je faire ça? J'ai fait la plupart de mon travail en utilisant SAS.
Réponses:
En supposant que vos distributions sont normales multivariées (comme les tests des matrices de covariance ont tendance à supposer que, de toute façon), votre hypothèse nulle est que les deux populations ne diffèrent que par décalage. Vous pouvez le tester avec un test de Kolmogorov-Smirnov sur les deux groupes de données dont leurs moyennes ont été soustraites.
Rencher (2002) (section 7.3.2) fournit la statistique de test du rapport de vraisemblance pour comparer deux matrices (encadré M-test) comme suit:
où et sont les matrices de covariance de l'échantillon dans les deux échantillons, est la matrice de covariance regroupée, et sont les degrés de liberté (taille de l'échantillon moins 1). De manière asymptotique, suit la avec degrés de liberté où est la taille des matrices. Rencher (2002) donne également la version corrigée de Bartlett du test et une approximationCependant, il s'agit d'un test à deux échantillons plutôt que du test de mesures répétées, il peut donc être quelque peu conservateur.S 2 S p ν 1 ν 2 - 2 log M χ 2 p ( p + 1 ) / 2 p FS1 S2 Sp ν1 ν2 - 2 bûchesM χ2 p ( p + 1 ) / 2 p F
la source
Vous pouvez utiliser un logiciel de modélisation d'équations structurelles. Voici un aperçu du fonctionnement du processus à Amos:
var_x1 = var_y1 var_x2 = var_y2
etc.cov_x1_x2 = cov_y1_y2 cov_x1_x3 = cov_y1_y3
etc.la source
Cela peut probablement être testé avec proc mixed (eh bien, vous devez supposer une normalité multivariée). Empilez toutes les données sur une seule colonne. Vous aurez alors besoin d'indicateurs pour l'ID du sujet et pour le point temporel. Vous devrez définir à la fois l'ID du sujet et l'indicateur de point de temps comme variables de classe. Ajuster un modèle d'interception uniquement; puis utilisez peut-être une déclaration répétée pour ajuster une structure de variance / covariance non contrainte (−2ln(L) L −2ln(L) et df. Ensuite, effectuez le test LRT de pas de différence d'ajustement en utilisant la différence de -2loglikelihoods et dfs entre les deux modèles, qui devraient être distribués en chi carré sous l'hypothèse nulle de pas de différence d'ajustement entre les deux modèles.
type=un
). Notez le où est la probabilité) et les degrés de liberté. Ajustez ensuite un deuxième modèle, mais cette fois dans l'instruction répétée, utilisez l' option pour adapter les structures de covariance distinctes pour chaque point dans le temps (c'est-à-dire que chaque point dans le temps est un groupe). Notez leL - 2 ln ( L )group=
SAS
la source