Test post hoc dans une conception mixte 2x3 ANOVA utilisant SPSS?

J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x time. Les deux timeet grouprésulté significatif, en plus il y avait une interaction significative group x time.

Je ne sais pas très bien comment procéder pour vérifier plus avant les différences entre les trois temps des évaluations, également en ce qui concerne l'appartenance à un groupe. En fait, au début je ne spécifiais que dans les options de l'ANOVA pour comparer tous les effets principaux, en utilisant la correction de Bonferroni. Cependant, je me suis alors rendu compte que de cette façon, on comparait les différences de temps de l'échantillon total, sans distinction de groupe, ai-je raison?

Par conséquent, j'ai beaucoup cherché sur Internet pour trouver une solution possible, mais avec des résultats rares. Je n'ai trouvé que 2 cas similaires au mien, mais leurs solutions sont opposées!

1. Dans un article, après la conception mixte, les auteurs ont exécuté 2 mesures répétées ANOVA en post-hoc, une pour chaque groupe de sujets. De cette façon, les deux groupes sont analysés séparément sans aucune correction, ai-je raison?
2. Dans un guide sur Internet, ils disent d'ajouter manuellement dans la syntaxe SPSS COMPARE(time) ADJ(BONFERRONI), juste après /EMMEANS=TABLES(newgroup*time), tout en exécutant l'ANOVA mixte. De cette façon, les trois temps sont comparés séparément pour chaque groupe, avec correction de Bonferroni, ai-je raison?

Qu'est-ce que tu penses? Quelle serait la bonne façon de procéder?

Réponse modifiée pour mettre en œuvre un commentaire encourageant et constructif par @Ferdi

J'aimerais:

1. fournir une réponse avec un script complet contenu
2. mentionner que l'on peut également tester des contrastes personnalisés plus généraux en utilisant la commande / TEST
3. soutiennent que cela est nécessaire dans certains cas (c.-à-d. que la combinaison EMMEANS COMPARE n'est pas suffisante)

Je suppose avoir une base de données avec des colonnes: depV, Group, F1, F2. J'implémente une ANOVA de conception mixte 2x2x2 où depV est la variable dépendante, F1 et F2 sont dans les facteurs sujets et le groupe est un facteur entre sujets. Je suppose en outre que le test F a révélé que l'interaction Groupe * F2 est significative. J'ai donc besoin d'utiliser des tests t post hoc pour comprendre ce qui motive l'interaction.

MIXED depV BY Group F1 F2 
  /FIXED=Group F1 F2 Group*F1 Group*F2 F1*F2 Group*F1*F2 |  SSTYPE(3) 
  /METHOD=REML 
  /RANDOM=INTERCEPT | SUBJECT(Subject) COVTYPE(VC) 
  /EMMEANS=TABLES(Group*F2) COMPARE(Group) ADJ(Bonferroni)
  /TEST(0) = 'depV(F2=1)-depV(F2=0) differs between groups' 
    Group*F2 1/4 -1/4 -1/4 1/4 
    Group*F1*F2 1/8 -1/8 1/8 -1/8 -1/8 1/8 -1/8 1/8 
  /TEST(0) = 'depV(Group1, F2=1)-depV(Group2, F2=1)' Group 1 -1
    Group*F1 1/2 1/2 -1/2 -1/2 
    Group*F2 1 0 -1 0  
    Group*F1*F2 1/2 0 1/2 0 -1/2 0 -1/2 0 .

En particulier, le deuxième test t correspond à celui effectué par la commande EMMEANS. La comparaison EMMEANS pourrait révéler par exemple que depV était plus grand dans le groupe 1 à la condition F2 = 1.

Cependant, l'interaction pourrait également être provoquée par autre chose, ce qui est vérifié par le premier test: la différence depV (F2 = 1) -depV (F2 = 0) diffère entre les groupes, et c'est un contraste que vous ne pouvez pas vérifier avec la commande EMMEANS (au moins je n'ai pas trouvé de moyen facile).

Maintenant, dans les modèles avec de nombreux facteurs, il est un peu difficile d'écrire la ligne / TEST, la séquence de 1/2, 1/4, etc., appelée matrice L. Typiquement, si vous obtenez le message d'erreur: "la matrice L n'est pas estimable", vous oubliez certains éléments. Un lien qui explique la réception est celui-ci: https://stats.idre.ucla.edu/spss/faq/how-can-i-test-contrasts-and-interaction-contrasts-in-a-mixed-model/

Je ne connais pas particulièrement bien la syntaxe SPSS, mais, si je comprends bien votre situation, l'interaction significative signifie que, pour évaluer correctement la signification de vos principaux effets, vous devrez effectuer des analyses distinctes. Je pense que la meilleure façon de procéder est de faire des analyses de mesures répétées séparées pour chaque niveau de votre facteur de regroupement. Peut-être que quelqu'un d'autre peut mieux parler de la façon de gérer la correction des comparaisons multiples pendant l'analyse post-hoc, mais je suis presque sûr que vous devez toujours utiliser une correction. Vous pourriez essayer Tukey, comme une correction de comparaison multiple!

En bref. Il n'y a pas de convention mondialement acceptée pour ces situations. Certains utiliseront les corrections Bonferroni. Certains forceront le framework Tukey HSD à danser pour eux (par exemple Maxwell & Delaney). En revanche...

COMPARE(time) ADJ(BONFERRONI)", just after "/EMMEANS=TABLES(newgroup*time)

... semble utiliser la correction de Bonferroni. Cependant, cette approche est probablement conservatrice, en particulier face aux corrections de style Holm-Sidak. (SURTOUT si vous n'utilisez pas le MSW comme terme d'erreur pour vos comparaisons post-hoc).