lorsque les mesures sont effectuées dans des conditions différentes, les conditions sont les niveaux (ou groupes apparentés) de la variable indépendante (par exemple, le type de gâteau est la variable indépendante avec le gâteau au chocolat, au caramel et au citron comme niveaux de la variable indépendante). Un schéma d’une conception de mesures répétées de conditions différentes est illustré ci-dessous. Il convient de noter que souvent, les niveaux de la variable indépendante ne sont pas appelés conditions, mais traitements., Lequel vous voulez utiliser dépend de vous. Il n’y a pas de convention de dénomination correcte ou incorrecte. Vous verrez également la variable indépendante plus communément appelée le facteur intra-sujets.,
Les deux schémas ci-dessus ont montré un exemple de chaque type de mesures répétées conception ANOVA, mais vous verrez aussi souvent ces conceptions exprimées sous forme de tableau, comme indiqué ci-dessous:
Ce tableau particulier décrit une étude avec six sujets (S1 à s6) effectuant dans trois conditions ou à trois moments (T1 à T3). Comme il a été souligné plus haut, le facteur intra-sujets aurait également pu être étiqueté « traitement » au lieu de « temps/État »., Ils se rapportent tous à la même chose: des sujets subissant des mesures répétées à des moments différents ou dans des conditions/traitements différents.
hypothèse pour les mesures répétées ANOVA
Les mesures répétées ANOVA vérifient s’il existe des différences entre les moyennes de population apparentées. L’hypothèse nulle (H0) indique que les moyennes sont égales:
H0: µ1 = µ2 = µ3 = µ = µk
où µ = moyenne de la population et k = nombre de groupes apparentés., L’hypothèse alternative (HA) indique que les moyennes de population apparentées ne sont pas égales (au moins une moyenne est différente d’une autre moyenne):
HA: au moins deux moyennes sont significativement différentes
pour notre exemple d’exercice-entraînement, L’hypothèse nulle (H0) est que la pression artérielle moyenne est la même à tous les L’hypothèse alternative est que la pression artérielle moyenne est significativement différente à un ou plusieurs moments. Une ANOVA de mesures répétées ne vous informera pas où se trouvent les différences entre les groupes car il s’agit d’un test statistique omnibus., La même chose serait vraie si vous étudiiez différentes conditions ou traitements plutôt que des points de temps, comme utilisé dans cet exemple. Si vos mesures répétées Anova est statistiquement significative, vous pouvez exécuter des tests post hoc qui peuvent mettre en évidence exactement où ces différences se produisent. Vous pouvez apprendre à exécuter des tests post-hoc appropriés pour une ANOVA de mesures répétées dans les statistiques SPSS à la page 2 de notre guide: Anova de mesures répétées unidirectionnelles dans les statistiques SPSS.,
logique de L’Anova de mesures répétées
la logique derrière une ANOVA de mesures répétées est très similaire à celle d’une ANOVA entre sujets. Rappelons qu’une ANOVA inter-sujets divise la variabilité totale en variabilité inter-groupes (SSb) et variabilité intra-groupes (SSw), comme indiqué ci-dessous:
dans cette conception, la variabilité intra-groupe (SSw) est définie comme la variabilité d’erreur (SSerror)., Après la division par les degrés de liberté appropriés, une somme moyenne de carrés pour entre-groupes (MSb) et dans-groupes (MSw) est déterminée et une statistique F est calculée comme le rapport DE MSb à MSw (ou MSerror), comme indiqué ci-dessous:
a repeated measures ANOVA statistique similaire: