我试图理解我在临床研究中看到的统计分析。他们用一系列绩效指标（A、B、C、...、N）测量了 3 组受试者的表现。目的是找出 3 组的表现之间是否存在差异，如果是，那么它们在哪些方面存在差异。
他们的分析包括进行这样的 MANOVA：
set.seed(100)
group <- rep(c(0,1), each=40)
A <- rnorm(80, 5, .5) + .1 * group
B <- rnorm(80, 9, .3) + .2 * group + .5 * A
C <- rnorm(80, 12, .3) + .2 * group + .7 * B
d.1 <- data.frame(A = A, B = B, C = C, group = group)
fit.manova <- manova(cbind(A, B, C) ~ group, d.1)
summary(fit.manova, test="Pillai")
Df Pillai approx F num Df den Df Pr(>F)
group 1 0.19669 6.2027 3 76 0.0007949 ***
Residuals 78
当他们表明他们看到了显着差异时，他们继续对每个 DV 执行一系列 ANOVA 测试，即：
summary(lm(A ~ group, d.1))
summary(lm(B ~ group, d.1))
summary(lm(C ~ group, d.1))
找出组间不同的绩效指标。
我想知道的是：
- 这种方法（MANOVA 后跟一系列 ANOVA）是否合理？在我们走这条路之前是否有严格的假设？
- 如果是，是否应该对第二步进行某种修正，即针对单个 DV（多重比较）的一系列 ANOVA？什么孩子矫正？
- 对于多个 DV 的此类问题，推荐的方法是什么？
编辑 1：更改文本以包含示例代码。
编辑 2：更新了示例。DV 现在是相关的。
编辑 3：这实际上是涉及客观测量的研究中非常常见的情况。设备通常只是吐出一系列措施，即使您没有特别要求它们。例如，您有两组，对照组和患者组，并进行实验室步态分析。步态分析系统为您提供 50 种不同的步态测量。您的研究问题可能是：两组的步态是否相似？如果不是，它们在哪些方面不同？