The Experts below are selected from a list of 294 Experts worldwide ranked by ideXlab platform
Zhiqing E Zhou - One of the best experts on this subject based on the ideXlab platform.
-
a longitudinal investigation of the role of violence prevention climate in exposure to workplace physical violence and verbal abuse
Work & Stress, 2015Co-Authors: Paul E Spector, Liuqin Yang, Zhiqing E ZhouAbstract:ABSTRACTThe temporal direction of the relationships between violence prevention climate and both physical violence and verbal abuse was investigated in a longitudinal study of newly graduated registered nurses. A sample of 126 nurses, recruited into the study while students, completed similar surveys at approximately 6 and 12 months after graduation that assessed violence prevention climate, physical violence, verbal abuse exposure, and strains of anger, anxiety, depression, and physical symptoms. Results showed that high values of Time 1 climate were associated with less likelihood of violence and abuse at Time 2 when prior exposure to violence and abuse was controlled. Furthermore, repeated measures multivariate analyses of variance (MANOVA) results suggested that being exposed to violence or abuse did not affect perceptions of climate. Both climate and violence exposure were correlated with some strains both cross-sectionally and longitudinally, but repeated measures MANOVAs failed to find evidence tha...
Douglas A Fitts - One of the best experts on this subject based on the ideXlab platform.
-
variable criteria sequential stopping rule validity and power with repeated measures anova multiple correlation MANOVA and relation to chi square distribution
Behavior Research Methods, 2018Co-Authors: Douglas A FittsAbstract:The variable criteria sequential stopping rule (vcSSR) is an efficient way to add sample size to planned ANOVA tests while holding the observed rate of Type I errors, αo, constant. The only difference from regular null hypothesis testing is that criteria for stopping the experiment are obtained from a table based on the desired power, rate of Type I errors, and beginning sample size. The vcSSR was developed using between-subjects ANOVAs, but it should work with p values from any type of F test. In the present study, the αo remained constant at the nominal level when using the previously published table of criteria with repeated measures designs with various numbers of treatments per subject, Type I error rates, values of ρ, and four different sample size models. New power curves allow researchers to select the optimal sample size model for a repeated measures experiment. The criteria held αo constant either when used with a multiple correlation that varied the sample size model and the number of predictor variables, or when used with MANOVA with multiple groups and two levels of a within-subject variable at various levels of ρ. Although not recommended for use with χ2 tests such as the Friedman rank ANOVA test, the vcSSR produces predictable results based on the relation between F and χ2. Together, the data confirm the view that the vcSSR can be used to control Type I errors during sequential sampling with any t- or F-statistic rather than being restricted to certain ANOVA designs.
Jolanta Rytel - One of the best experts on this subject based on the ideXlab platform.
-
Wielowymiarowa analiza wariancji – MANOVA
2010Co-Authors: Elżbieta Aranowska, Jolanta RytelAbstract:Artyku dotyczy modelu wielowymiarowej analizy wariancji (MANOVA). W ramach wprowadzenia przed stawiono ro !nice mi "dzy t # metod # i jednowymiarow # analiz # wariancji (ANOVA), rownocze $nie – w ramach opisu podstawowych planow badawczych z powtarzanymi pomiarami na tej samej populacji – pokazano te schematy badawcze, ktore dostarczaj # takich danych, ktore z kolei mog # by % analizowane wy # cznie metodami MANOVA. Opisuj #c struktur " formaln # modelu, zaprezentowano podstawowe de Þnicje z nim zwi #zane, odwo uj #c si " do odpowiadaj #cych im poj "% ANOVA i do naturalnego, intuicyjnego ich rozszerzenia w MANOVA, wykorzystuj #c wcze $niejsz # dyskusj " o niezale !no $ci warto $ci oczekiwanych zmiennych i warto $ci miar zwi #zku dla par zmiennych (a dok adniej – niezale !no $ci $rednich arytmetycznych i warto $ci wspo czynnika korelacji r-Pearsona). Zaprezentowano, na czym polega rozszerzenie za o!e& MANOVA, postaci hipotez zerowych oraz statystyk testu. Zwrocono uwag " na niejednoznaczno $% rozwi #zania formalnego (brak jednego ustalonego sprawdzianu testu) i przedstawiono te statystyki, ktore najcz "$ ciej pojawia y si " w pakietach statystycznych ostatnich dwu dziesi "cioleci. Ilustracj # dla przedstawionych rozwi #za & formalnych by Þkcyjny przyk ad dobrany dla najprostszego planu jednoczynnikowej, dwuwymiarowej analizy wariancji, dla ktorego wyznaczono zarowno r "cznie, jak i za pomoc # pakietu SPSS warto $ci wszystkich wprowadzanych statystyk. Przedstawiono tak !e przyk ad aplikacji wielowymiarowej analizy wariancji w badaniach psychologicznych dotycz #cych oceny efektywno $ci pracy mened!erow, rownocze $nie podkre $laj #c niezb "dno $% komplementarnego stosowania dwu statystycznych metod analizy danych: wielowymiarowej analizy wariancji i analizy dyskryminacyjnej. S owa kluczowe : wielowymiarowa analiza wariancji MANOVA, analiza dyskryminacyjna, metody wielowymiarowe, statystyczne modele analizy danych
-
wielowymiarowa analiza wariancji MANOVA
Psychologia Społeczna, 2010Co-Authors: Elżbieta Aranowska, Jolanta RytelAbstract:Artyku dotyczy modelu wielowymiarowej analizy wariancji (MANOVA). W ramach wprowadzenia przed stawiono ro !nice mi "dzy t # metod # i jednowymiarow # analiz # wariancji (ANOVA), rownocze $nie – w ramach opisu podstawowych planow badawczych z powtarzanymi pomiarami na tej samej populacji – pokazano te schematy badawcze, ktore dostarczaj # takich danych, ktore z kolei mog # by % analizowane wy # cznie metodami MANOVA. Opisuj #c struktur " formaln # modelu, zaprezentowano podstawowe de Þnicje z nim zwi #zane, odwo uj #c si " do odpowiadaj #cych im poj "% ANOVA i do naturalnego, intuicyjnego ich rozszerzenia w MANOVA, wykorzystuj #c wcze $niejsz # dyskusj " o niezale !no $ci warto $ci oczekiwanych zmiennych i warto $ci miar zwi #zku dla par zmiennych (a dok adniej – niezale !no $ci $rednich arytmetycznych i warto $ci wspo czynnika korelacji r-Pearsona). Zaprezentowano, na czym polega rozszerzenie za o!e& MANOVA, postaci hipotez zerowych oraz statystyk testu. Zwrocono uwag " na niejednoznaczno $% rozwi #zania formalnego (brak jednego ustalonego sprawdzianu testu) i przedstawiono te statystyki, ktore najcz "$ ciej pojawia y si " w pakietach statystycznych ostatnich dwu dziesi "cioleci. Ilustracj # dla przedstawionych rozwi #za & formalnych by Þkcyjny przyk ad dobrany dla najprostszego planu jednoczynnikowej, dwuwymiarowej analizy wariancji, dla ktorego wyznaczono zarowno r "cznie, jak i za pomoc # pakietu SPSS warto $ci wszystkich wprowadzanych statystyk. Przedstawiono tak !e przyk ad aplikacji wielowymiarowej analizy wariancji w badaniach psychologicznych dotycz #cych oceny efektywno $ci pracy mened!erow, rownocze $nie podkre $laj #c niezb "dno $% komplementarnego stosowania dwu statystycznych metod analizy danych: wielowymiarowej analizy wariancji i analizy dyskryminacyjnej. S owa kluczowe : wielowymiarowa analiza wariancji MANOVA, analiza dyskryminacyjna, metody wielowymiarowe, statystyczne modele analizy danych
Valério Pillar - One of the best experts on this subject based on the ideXlab platform.
-
A new method for indicator species analysis in the framework of multivariate analysis of variance
Journal of Vegetation Science, 2021Co-Authors: Carlo Ricotta, Sandrine Pavoine, Bruno Cerabolini, Valério PillarAbstract:Question In vegetation science, the compositional dissimilarity among two or more groups of plots is usually tested with dissimilarity‐based multivariate analysis of variance (db‐MANOVA), whereas the compositional characterization of the different groups is performed by means of indicator species analysis. Although db‐MANOVA and indicator species analysis are apparently very far from each other, the question we address here is: can we put both approaches under the same methodological umbrella? Methods We will show that for a specific class of dissimilarity measures, the partitioning of variation used in one‐factor db‐MANOVA can be additively decomposed into species‐level values allowing us to identify the species that contribute most to the compositional differences among the groups. The proposed method, for which we provide a simple R function, is illustrated with one small data set on Alpine vegetation sampled along a successional gradient. Conclusion The species that contribute most to the compositional differences among the groups are preferentially concentrated in particular group of plots. Therefore, they can be appropriately called indicator species. This connects multivariate analysis of variance with indicator species analysis.
Paul E Spector - One of the best experts on this subject based on the ideXlab platform.
-
a longitudinal investigation of the role of violence prevention climate in exposure to workplace physical violence and verbal abuse
Work & Stress, 2015Co-Authors: Paul E Spector, Liuqin Yang, Zhiqing E ZhouAbstract:ABSTRACTThe temporal direction of the relationships between violence prevention climate and both physical violence and verbal abuse was investigated in a longitudinal study of newly graduated registered nurses. A sample of 126 nurses, recruited into the study while students, completed similar surveys at approximately 6 and 12 months after graduation that assessed violence prevention climate, physical violence, verbal abuse exposure, and strains of anger, anxiety, depression, and physical symptoms. Results showed that high values of Time 1 climate were associated with less likelihood of violence and abuse at Time 2 when prior exposure to violence and abuse was controlled. Furthermore, repeated measures multivariate analyses of variance (MANOVA) results suggested that being exposed to violence or abuse did not affect perceptions of climate. Both climate and violence exposure were correlated with some strains both cross-sectionally and longitudinally, but repeated measures MANOVAs failed to find evidence tha...
