まず、@ amoebaが述べたように、あなたは「研究地獄」に着陸する正しい道を進んでいることを保証します。ここは、研究者がp値を決定するときに行くべき場所です。分析に何を含めるかどうか。
理由1。
Leveneの検定を不均一分散性の良い検定と見なすか、それとも事前に決定する必要があります。そうではなく、テストが重要/重要でない場合の対処方法。また、あなたと私は同意しないかもしれませんが、しきい値を使用して決定を下す場合(残念ながら、これは依然として古典的な統計の標準です)、何かが重要でないか重要であるかはほとんど重要ではありません。
理由2と3。
"どちらのグループも年齢とIQがよく一致しています"、これは良いことです。 ANCOVAの最も重要な仮定の1つは、 共変量と治療効果の独立性 です。 「この関連性はIQとグルタメートにとって重要ではありません」、これが問題であるかどうかは完全にはわかりませんが、実際にはそうではないと思います。実際、ANCOVAの2番目に重要な仮定は、共変量が独立変数に関係なく従属変数と同じ関係にあるということです。これは通常、 回帰勾配の均一性 と呼ばれます。
質問1。
ここでの問題は、生きたまま食べられるということではありません。おそらく、あなたはそうしないでしょう(私はより悪い分析が公開されているのを見ました...)。問題は、最終結果に基づいて変更を加えないという実験データ分析の最も重要なルールに違反した後、完全に確信が持てない分析の結果である結果を公開することを考えていることです。 / strong>。
質問2。
理論的にはそうです。不均一分散は、データ内で何か他のことが起こっていることの兆候である可能性があります。か否か。私たちは知りません(できません)。ただし、サンプルサイズが小さいことを考えると、不均等な分散の問題を修正せずに分析を続行することには反対します。検討したいテクニックがありますが、それらは機能する場合と機能しない場合があります。ただし、それらが機能しない場合は、分析を実行しないという1つの可能性しか残されていません(すでに実行しているため、結果を報告しないでください)。
質問3。
はい、そうです。繰り返しますが、事前に決定する必要があります。主効果に関心がある場合はタイプIIが推奨され、相互作用が予想される場合はタイプIIIが推奨されます。私はタイプIIIを好む傾向がありますが、どちらが優れているかについての議論はまだ存在します。
結論。
私の提案は、これらの結果を公開せず、より多くのデータを収集しようとすることです。サンプルが大きくなると(60以上)、破った仮定のいくつかは重要性が低くなります。とはいえ、理論的にはそれは戻り不能のポイントであるため、すべてが正しく行われたことを確認する前に、最終結果を確認するべきではありません。