METODA POVPREÄNE NAPAKE
METODA POVPREÄNE NAPAKE
METODA POVPREÄNE NAPAKE
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Družina analiz variance<br />
Analiza podatkov pri<br />
eno- in večfaktorskih<br />
raziskovalnih načrtih<br />
Anja Podlesek<br />
Doktorski študij Humanistika in družboslovje, psihološke smeri,<br />
Raziskovalna metodologija v psihologiji<br />
• Analiza variance<br />
Enosmerna<br />
• Testiramo hipoteze o enakosti M OV<br />
pri različnih variacijah faktorja <br />
vpliv NV na OV<br />
Večsmerna<br />
M 3<br />
M 11 M 12<br />
interakcija<br />
• glavni učinki faktorjev<br />
• interakcija faktorjev<br />
• Analiza kovariance<br />
M 21 M 22<br />
glavni učinki in interakcija kategorialnih NV ob sočasni kontroli učinkov<br />
zveznih NV<br />
• Multivariatna analiza variance<br />
glavni in interakcijski učinek NV na več OV hkrati<br />
• Linearni mešani modeli<br />
glavni in interakcijski učinek NV na OV, pri čemer so podatki gnezdeni<br />
M 1<br />
M 2<br />
Analiza variance<br />
• Neponovljene vs. ponovljene meritve –<br />
Načrti z neponovljenimi meritvami (npr. načrt z več<br />
randomiziranimi skupinami, vsaka skupina sodeluje le<br />
v enem eksperimentalnem pogoju)<br />
Načrti z eno skupino oseb<br />
Vmesne različice mešani načrti<br />
Analiza variance<br />
Značilnosti ANOVE:<br />
• Intervalna OV<br />
• Nominalne NV (in intervalni kovariati pri ANCOVI)<br />
• Meritve v več pogojih = vzorčenje iz več populacij<br />
• H 0 : ni razlik med njihovimi m<br />
Ocena variance<br />
<br />
X<br />
<br />
N 1<br />
2<br />
X<br />
2<br />
<br />
vsota kvadratov (SS)<br />
df<br />
Enosmerna analiza<br />
variance za<br />
neponovljene meritve<br />
1
Razstavljanje odklona posameznega rezultata:<br />
X i - M tot = (X i - M i ) + (M i - M tot )<br />
M 1 = 4 M 2 = 10<br />
M T = 7<br />
2 3 4 5 6 7 8 9 10 11 12<br />
X i - M tot<br />
M i - M tot<br />
X i - M i<br />
Strukturni model<br />
Razstavljanje odklona posameznega rezultata:<br />
X i - M tot = (X i - M i ) + (M i - M tot )<br />
Y μ α ε<br />
ij<br />
totalna sredina<br />
učinek NV<br />
j<br />
ij<br />
napaka<br />
Vzroki:<br />
• učinek NV,<br />
• napake merjenja,<br />
• napake v kontroli (vplivi zunanjih spremenljivk),<br />
• individualne razlike.<br />
Razstavljanje vsote kvadratov odklonov (SS):<br />
SS total = SS znotraj skupin + SS med skupinami<br />
SS / df = MS<br />
MS … ocena variance<br />
F razmerje = razmerje dveh varianc:<br />
variance med skupinami in variance znotraj skupin<br />
Varianco lahko razstavimo<br />
na dva dela:<br />
• MS zn odraža le slučajno<br />
variabilnost<br />
(= varianca napake)<br />
E( MS ) <br />
S / A<br />
2<br />
e<br />
E( MS ) <br />
n<br />
2 2<br />
A e A<br />
• MS med temelji na razpršitvi<br />
M j in odraža slučajno<br />
variabilnost in, če je H 0<br />
napačna, tudi učinek NV.<br />
Če je MS med pomembno<br />
večja od MS zn , zaključimo,<br />
da je variabilnost med<br />
skupinami prevelika, da bi jo<br />
povzročala le slučajna<br />
variabilnost, torej zavrnemo<br />
H 0 .<br />
F <br />
MS<br />
MS<br />
med<br />
znotraj<br />
F blizu 1,0 kaže, da so<br />
razlike med skupinami le<br />
posledica naključne<br />
variacije. Večji kot je F,<br />
manj je verjetno, da je H 0<br />
pravilna.<br />
M T = 7<br />
2 3 4 5 6 7 8 9 10 11 12<br />
SS znotraj-1 = 1(2-4) 2 + 2(3-4) 2 + 3(4-4) 2 + 2(5-4) 2 + 1(6-4) 2 =12<br />
SS znotraj-2 = 1(8-10) 2 + 2(9-10) 2 + 3(10-10) 2 + 2(11-10) 2 + 1(12-10) 2 =12<br />
SS med = 9(4-7) 2 + 9(10-7) 2 = 81 + 81 = 162<br />
df znotraj = N - a = 18 - 2 = 16<br />
df med = a - 1 = 2 - 1 = 1<br />
MS znotraj = SS znotraj / df znotraj = 24 / 16 = 1.5<br />
MS med = SS med / df med = 162 / 1 = 162<br />
F = 162 / 1.5 = 108<br />
F .05 (1, 16) = 4.49<br />
2
Ocena pomembnosti NV<br />
Sumarna tabela analize variance<br />
Izvor<br />
variabilnosti SS df MS F p<br />
NV 162 1 162,0 108,0 < 0.001<br />
napaka 24 16 1,5<br />
skupaj 186 17<br />
Tako ali večje F-razmerje bi, če bi vzorčili iz populacije,<br />
v kateri drži H 0, našli v manj kot 0,1 % vzorcev. Sredine<br />
skupin se statistično pomembno razlikujejo, kar<br />
pomeni, da NV (najverjetneje) vpliva na OV.<br />
F(1, 16) = 108,0, p < .001<br />
Ocena komponent variance<br />
E(<br />
MS<br />
2 2<br />
E(<br />
MS ) n<br />
2<br />
e<br />
2<br />
A<br />
S<br />
A<br />
a<br />
/<br />
) <br />
m<br />
j<br />
mtot<br />
2 j1<br />
<br />
A<br />
<br />
a 1<br />
ˆ2<br />
MS<br />
A<br />
MSS<br />
<br />
A<br />
<br />
n<br />
A<br />
<br />
e<br />
2<br />
e<br />
... varianca sredin a skupin<br />
/<br />
<br />
2<br />
A<br />
A<br />
... varianca populacije Y, iz katere je bilo vzorcenih n podatkov<br />
<br />
Mera velikosti učinka<br />
Če je ničelna hipoteza pravilna, je lahko<br />
MS S/A po slučaju večja od MS A in bo<br />
ocena variance sredin negativna ( 0).<br />
Ocena pomembnosti NV<br />
Ocena deležev variance<br />
M T = 7<br />
M 1 = 4<br />
M 2 = 10<br />
n = 9<br />
a = 2<br />
2 3 4 5 6 7 8 9 10 11 12<br />
df znotraj = N - a = 18 - 2 = 16<br />
df med = a - 1 = 2 - 1 = 1<br />
MS znotraj = 1.5<br />
MS med = 162<br />
F = 162 / 1.5 = 108<br />
F .05 (1, 16) = 4.49<br />
E(<br />
MS<br />
S<br />
/<br />
2<br />
) 1,5<br />
2 2<br />
E(<br />
MS ) n<br />
162<br />
A<br />
a<br />
<br />
m<br />
j<br />
mtot<br />
2 j1<br />
<br />
A<br />
<br />
a 1<br />
ˆ2<br />
MS<br />
A<br />
MSS<br />
<br />
A<br />
<br />
n<br />
A<br />
<br />
e<br />
e<br />
/<br />
<br />
2<br />
A<br />
A<br />
<br />
2<br />
4 7 10 7<br />
<br />
1<br />
162 1,5<br />
17,83<br />
9<br />
2<br />
ˆA … absolutna velikost variance<br />
2<br />
18<br />
Relativna velikost (oz. delež) variance učinka<br />
= velikost glede na druge vire variabilnosti<br />
= Haysova w 2 ali koeficient determinacije<br />
2<br />
ω A <br />
2<br />
ωˆ<br />
A<br />
2<br />
ωˆ<br />
A<br />
<br />
<br />
2<br />
A 2<br />
Y<br />
a<br />
<br />
j1<br />
m<br />
j <br />
a<br />
2<br />
Y<br />
<br />
m<br />
tot<br />
2<br />
<br />
a 1<br />
MS A MSS<br />
/ A <br />
<br />
<br />
a n<br />
<br />
<br />
<br />
a 1<br />
MS A MSS<br />
/ A <br />
<br />
MSS<br />
/ A<br />
a <br />
n <br />
a<br />
1 FA<br />
1<br />
MS A<br />
<br />
, pričemer FA<br />
<br />
a<br />
1 FA<br />
1 na<br />
MSS<br />
/ A<br />
MS<br />
Mera velikosti učinka = pove, kolikšen delež variance Y pojasnjuje NV<br />
2<br />
<br />
2<br />
j<br />
<br />
A<br />
... ni čista varianca α<br />
j<br />
(M<br />
j)<br />
a 1<br />
2<br />
ˆ2<br />
<br />
j<br />
<br />
A<br />
... je<br />
a<br />
ˆ2<br />
a 1<br />
ˆ2<br />
a 1<br />
MS<br />
A<br />
MSS<br />
/ A <br />
<br />
A<br />
<br />
A<br />
<br />
a a n <br />
2<br />
e<br />
<br />
S<br />
/<br />
A<br />
Moč F testa<br />
M T = 7<br />
M 1 = 4<br />
M 2 = 10<br />
n = 9<br />
a = 2<br />
2 3 4 5 6 7 8 9 10 11 12<br />
df znotraj = N - a = 18 - 2 = 16<br />
df med = a - 1 = 2 - 1 = 1<br />
MS znotraj = 1.5<br />
MS med = 162<br />
F = 162 / 1.5 = 108<br />
F .05 (1, 16) = 4.49<br />
E(<br />
MS<br />
S<br />
/<br />
2<br />
) 1,5<br />
2 2<br />
E(<br />
MS ) n<br />
162<br />
A<br />
A<br />
e<br />
e<br />
2<br />
<br />
A<br />
18<br />
ˆ2<br />
<br />
A<br />
17,83<br />
ˆ2<br />
a 1<br />
ˆ2<br />
2 1<br />
<br />
A <br />
A 17,83<br />
8,92<br />
a 2<br />
2<br />
2 <br />
A<br />
9<br />
ω A 0,87<br />
2 2<br />
3,21<br />
Y<br />
A<br />
a 1<br />
MS<br />
A<br />
MSS<br />
/ A 1 162<br />
1,5<br />
<br />
<br />
2<br />
2 9<br />
ωˆ a n<br />
A <br />
<br />
<br />
0,86<br />
a 1<br />
MS<br />
A<br />
MSS<br />
/ A 1 162<br />
1,5<br />
<br />
MSS<br />
/ A 1,5<br />
a n 2 9 <br />
2 a<br />
1 FA<br />
1<br />
1107<br />
ωˆ<br />
A <br />
<br />
0,86<br />
a<br />
1 F 1<br />
na 1107<br />
92<br />
A<br />
• Navadno želimo zavrniti ničelno hipotezo. Če učinki obstajajo, mora<br />
imeti test zadovoljivo moč, da jih odkrije.<br />
• Moč testa je odvisna od:<br />
ravni alfa napake<br />
df v števcu in imenovalcu F-razmerja (od a in n)<br />
velikosti variance napake … MS S/A<br />
velikosti učinkov NV …<br />
<br />
n<br />
<br />
2<br />
A<br />
2<br />
e<br />
2<br />
ˆA<br />
… indeks moči s pomočjo tabel oz. rač. programov<br />
odčitamo moč testa (1-b) pri tem indeksu, določeni ravni <br />
in določenih df 1 in df 2<br />
3
Predpostavke ANOVE<br />
M T = 7<br />
M 1 = 4<br />
M 2 = 10<br />
n = 9<br />
a = 2<br />
2 3 4 5 6 7 8 9 10 11 12<br />
df znotraj = N - a = 18 - 2 = 16<br />
df med = a - 1 = 2 - 1 = 1<br />
MS znotraj = 1.5<br />
MS med = 162<br />
F = 162 / 1.5 = 108<br />
F .05 (1, 16) = 4.49<br />
E(<br />
MS<br />
2 2<br />
E(<br />
MS ) n<br />
162<br />
2<br />
<br />
A<br />
18<br />
ˆ2<br />
17,83<br />
A<br />
S<br />
A<br />
/<br />
2<br />
) 1,5<br />
A<br />
e<br />
e<br />
ˆ2<br />
a 1<br />
ˆ2<br />
2 1<br />
<br />
A <br />
A 17,83<br />
8,92<br />
a 2<br />
2<br />
2 <br />
A<br />
9<br />
ω A 0,87<br />
2 2<br />
3,21<br />
Y<br />
A<br />
a 1<br />
MS<br />
A<br />
MSS<br />
/ A 1 162<br />
1,5<br />
<br />
<br />
2<br />
2 9<br />
ωˆ a n<br />
A <br />
<br />
<br />
0,86<br />
a 1<br />
MS<br />
A<br />
MSS<br />
/ A 1 162<br />
1,5<br />
<br />
MSS<br />
/ A 1,5<br />
a n 2 9 <br />
2 a<br />
1 FA<br />
1<br />
1107<br />
ωˆ<br />
A <br />
<br />
0,86<br />
a<br />
1 F 1<br />
na 1107<br />
92<br />
A<br />
n<br />
98,92<br />
7,32<br />
1,5<br />
2<br />
A<br />
2<br />
e<br />
1-b > 0,99<br />
• Napake (ε ij v strukturnem modelu) so neodvisne,<br />
nekorelirane<br />
• Porazdelitev napak ε ij je normalna (v vsakem<br />
pogoju)<br />
pomembno pri majhnih vzorcih<br />
pogosto kršeno pri diskretnih spremenljivkah<br />
F-test je precej robusten, neobčutljiv na kršitve te<br />
predpostavke, razen v primerih ekstremne As ali Spl<br />
• Homogenost varianc<br />
Predpostavke ANOVE<br />
Homogenost varianc = Porazdelitev napak ima<br />
enako varianco pri vseh ravneh NV<br />
V imenovalcu F razmerja je skupna varianca<br />
napake, ki je tehtana znotrajskupinska<br />
varianca. Če se variance skupin zelo<br />
razlikujejo, je taka skupna mera slaba ocena<br />
variance napake.<br />
Verjetnost napake je navadno večja, kot jo<br />
kaže F test.<br />
Problem predvsem pri neenakih skupinah (že<br />
razmerje 2:1 je lahko kritično; priporočeno je,<br />
naj bo razmerje manjše od 4:1), predvsem če<br />
je večja varianca značilna za manjšo skupino.<br />
Preverjamo jo z Levenovim testom<br />
• Računa ANOVO na absolutnih odklonih od M.<br />
• Statistično pomemben rezultat pove, da<br />
variance niso homogene.<br />
• Ni občutljiv na odstopanja od N. D.<br />
Pregled grafov<br />
• Spread vs. Level Plot<br />
• Box-Plot<br />
<br />
Predpostavke ANOVE<br />
• Verjetnost nenormalne porazdelitve in<br />
heterogenosti varianc raste:<br />
z nižanjem N<br />
z večanjem raznolikosti velikosti različnih<br />
skupin<br />
z večanjem števila faktorjev<br />
• Ne sme biti osamelcev, saj ti povečajo<br />
varianco napake in povečajo verjetnost b<br />
napake.<br />
Rešitve v primeru kršenja<br />
predpostavk<br />
• v popravkih stopenj svobode<br />
Welchov t test<br />
• korekcija df (df se zmanjšajo)<br />
• boljši pri visokem razmerju varianc različnih skupin, pri n j vsaj 10 in<br />
N.D., kadar sta vzorca različno velika in varianci nehomogeni<br />
• običajno večja moč<br />
• napihnjena alfa pri asimetričnih porazdelitvah<br />
Brown-Forsythov F test<br />
• robusten test, večja moč v primeru, ko so vse sredine razen ene<br />
enake in ima vzorec z izstopajočo sredino tudi veliko varianco<br />
• primeren ob neenakih skupinah, heterogenih variancah in<br />
asimetrični porazdelitvi odklonov rezultatov od M j (kadar ni N. D.)<br />
• primerljiva pri vzorcih z n j < 6<br />
• Z WLS (weighted least squares) utežmi – osebe različno obtežimo,<br />
da bi zmanjšali heteroscedastičnost<br />
Rešitve v primeru kršenja<br />
predpostavk<br />
• v transformaciji podatkov<br />
Asimetrične porazdelitve približamo normalnim<br />
Zmanjšamo heterogenost varianc<br />
Transformacije: arc sin (sqrt(Y ij )), log, potence<br />
• Slika log j / log M j ; Y transf = Y 1-nagib ; če je nagib funkcije enak<br />
1 log<br />
• Transformacije v primeru asimetričnosti porazdelitev<br />
podatkov povečajo moč, vendar testirajo ničelno hipotezo na<br />
drugačni lestvici – težave pri interpretaciji rezultatov<br />
4
Primerjave (kontrasti) sredin<br />
A priori in post hoc<br />
analize<br />
• ANOVA je omnibus test – testira pomembnost<br />
razlik med več sredinami, a nam ne pove nič o<br />
tem, kje natančno razlike obstajajo.<br />
• Posamezne razlike opazujemo s posebnimi testi.<br />
• Več testov kot naredimo, večja je verjetnost <br />
napake. Verjetnost, da bomo odkrili (vsaj (eno))<br />
pomembno razliko, s številom analiz narašča.<br />
Zaradi multiplih primerjav moramo imeti pri<br />
testiranju strožji kriterij.<br />
Kontrola napake<br />
• Raven napake pri posameznem kontrastu (EC)<br />
• Skupna raven napake pri družini kontrastov<br />
(FWER – familywise error rate)<br />
Npr., če je EC za vsakega od 6 neodvisnih testov 0,05, je<br />
FWER 0,265. Če so testi odvisni, je FWER manjša.<br />
Več kot je testov, večja je FWER.<br />
FWER navadno vežemo na posamezni vir variabilnosti v<br />
enem poskusu.<br />
Pri posameznemtestu: pni<br />
α napake<br />
1<br />
EC<br />
Pri skupini testov: FWER pα napaka vsajprienem kontrastu<br />
<br />
1<br />
pni<br />
α napake prinobenem v druzini kontrastov<br />
<br />
1<br />
1<br />
EC K<br />
Kontrasti v enofaktorskem načrtu<br />
za neponovljene meritve<br />
• Kontrasti: (parne)<br />
primerjave in druge<br />
linearne kombinacije<br />
povprečij<br />
• Ortogonalni in<br />
neortogonalni kontrasti<br />
Kontrasta sta ortogonalna<br />
(= aditivna), če njune<br />
uteži niso korelirane<br />
Npr. in<br />
<br />
<br />
j<br />
wjpwjq<br />
n j<br />
1 (1) <br />
2 <br />
<br />
0<br />
1 ( 1)<br />
<br />
2 <br />
<br />
(0) <br />
<br />
1<br />
2<br />
<br />
<br />
<br />
<br />
(0) <br />
<br />
1<br />
2<br />
<br />
<br />
<br />
<br />
0<br />
H : 1 μ<br />
1μ<br />
0μ<br />
0μ<br />
01 SK1<br />
SK2 SK3<br />
H : μ<br />
μSK2<br />
μSK3<br />
μ<br />
<br />
3<br />
SK4<br />
0<br />
02 SK1<br />
H<br />
μSK1<br />
μSK2<br />
μSK3<br />
μ<br />
: <br />
2 2<br />
0<br />
SK4<br />
03<br />
ψ <br />
j<br />
a<br />
<br />
j1<br />
w μ<br />
j<br />
w 0<br />
j<br />
j<br />
H 1 : Linearna kombinacija ni enaka 0.<br />
SK4<br />
0<br />
Statistika t: primerjava linearne kombinacije<br />
z 0<br />
• števec: obtežena povprečja<br />
• imenovalec: obtežena standardna napaka<br />
Testiranje kontrastov<br />
S t statistiko<br />
ψˆ<br />
t <br />
σˆ<br />
ψˆ<br />
<br />
<br />
MS<br />
w μ<br />
S/A<br />
S F statistiko preko<br />
SS kontrasta<br />
SS<br />
ψˆ<br />
<br />
<br />
<br />
j<br />
<br />
w μ<br />
j<br />
j j<br />
2<br />
j<br />
w<br />
n<br />
j<br />
w<br />
n<br />
<br />
2<br />
j<br />
j<br />
2<br />
SK1 SK2 SK3 SK4<br />
Mj 8,80 4,20 3,40 2,50<br />
Vir variabilnosti SS df MS F<br />
A 377,4 3,0 125,8 8,39<br />
S/A 900,0 60,0 15,0<br />
H 01<br />
H 02<br />
: t<br />
: t<br />
<br />
<br />
M SK1 M SK2 8,80 4,20<br />
<br />
<br />
2 2<br />
2 2<br />
1<br />
1 1<br />
1<br />
<br />
MS <br />
/<br />
15,0<br />
<br />
S A<br />
<br />
16 16<br />
<br />
16 16<br />
<br />
MSS<br />
/ A<br />
M SK1<br />
<br />
<br />
2<br />
1<br />
<br />
<br />
<br />
16<br />
<br />
<br />
M SK2<br />
<br />
2<br />
1<br />
3 <br />
16<br />
M SK3<br />
3<br />
<br />
<br />
2<br />
1<br />
3 <br />
16<br />
M SK4<br />
<br />
2<br />
1<br />
3 <br />
16<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
3,36<br />
8,80<br />
<br />
2<br />
1<br />
<br />
15,0<br />
<br />
<br />
16<br />
<br />
<br />
<br />
4,20<br />
2<br />
1<br />
3 <br />
16<br />
<br />
3,40<br />
<br />
3<br />
<br />
2<br />
1<br />
3 <br />
16<br />
2<br />
(1) 8,80 ( 1/ 3) 4,20 ( 1/ 3) 3,40 ( 1/ 3) 2,50<br />
: SS ˆ <br />
354,25<br />
1 1 1<br />
<br />
2<br />
1<br />
<br />
3 3 3<br />
<br />
<br />
<br />
<br />
<br />
<br />
16 16 16 16 <br />
<br />
<br />
<br />
<br />
H02 ψ 2 2 2<br />
F<br />
SS 354,25<br />
ˆψ 2 2<br />
t<br />
23,62 4,86 ( )<br />
MS 15<br />
S/<br />
A<br />
2,50<br />
<br />
2<br />
1<br />
3 <br />
16<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
4,86<br />
Načrtovani (a priori) kontrasti<br />
• Načrtujemo jih, preden imamo vpogled v podatke.<br />
Število testiranih kontrastov temelji na teoriji.<br />
• Če računamo le en kontrast, je verjetnost <br />
napake (EC) ustrezna in lahko uporabimo t-test.<br />
• Pri več kontrastih moramo poskrbeti, da FWER ni<br />
prevelika.<br />
FWER ≤ 1-(1-EC) K ≤ 1-(1-K(EC))<br />
Bonferronijeva neenakost<br />
FWER ≤ vsota vseh EC<br />
5
Načrtovani (a priori) kontrasti<br />
• Bonferronijev popravek t statistike (oz. Dunnov postopek)<br />
EC = FWER / K. Statistiko t za vsak kontrast preverjamo pri EC.<br />
Temelji na Bonferronijevi neenakosti Če bomo vsak kontrast testirali pri<br />
EC = FWER / K, verjetnost napake za celotno družino kontrastov ne bo<br />
presegla FWER. Ta enačba je ustrezna pri ortogonalnih kontrastih.<br />
FWER lahko razdelimo tudi na neenake dele (posameznemu kontrastu<br />
lahko dovolimo višjo kot drugim), vendar moramo dele načrtovati<br />
vnaprej.<br />
Nizka moč pri velikem številu primerjav: dopuščena EC je zelo majhna.<br />
• Sidakov test (Dunn-Sidak)<br />
prav tako uporablja t-test, a H 0 zavrne, če je<br />
Ima nekoliko večjo moč kot Bonferronijev popravek<br />
• Dunnetov test za primerjavo eksperimentalnih in kontrolne<br />
skupine<br />
Predvidevamo neortogonalnost kontrastov (npr. KS(-1), ES1(+1); KS(-1),<br />
ES2(+1)). Kriterij je torej lahko nekoliko blažji kot pri Bonferronijevem<br />
popravku.<br />
<br />
<br />
p 1<br />
1<br />
FWER<br />
<br />
1/<br />
K<br />
<br />
Načrtovani (a priori) kontrasti<br />
V SPSS/PASW:<br />
• Deviation: M za vsako raven NV primerjamo z M tot . Referenčna<br />
kategorija: prva ali zadnja skupina.<br />
• Simple: Vsako raven NV primerjamo z referenčno ravnjo.<br />
• Difference: Vsako raven NV (razen prve v vrsti) primerjamo s<br />
povprečjem vseh prejšnjih ravni (= ortogonalni kontrasti).<br />
• Helmert: Vsako raven NV (razen zadnje v vrsti) primerjamo s<br />
povprečjem vseh nadaljnjih ravni (= ortogonalni kontrasti).<br />
• Repeated: Vsako raven (razen zadnje v vrsti) primerjamo z naslednjo<br />
ravnjo.<br />
• Polynomial: Testiramo, katera raven polinoma (linearen, kvadratni,<br />
kubični odnos) zadovoljivo pojasni odnos med M različnih ravni NV.<br />
Post hoc kontrasti<br />
• Izvedemo jih šele, ko že izvemo za rezultate ANOVE. Če<br />
je F določene NV pomemben, izvedemo različne post hoc<br />
teste. eksploratoren pristop<br />
• Dejanska verjetnost napake je zato večja od<br />
predvidene. Kriterij testiranja mora biti zato strog.<br />
• Za vsako primerjavo izračunamo t, a potem dobljeno<br />
vrednost primerjamo s strožjim kriterijem kot pri običajnem<br />
t-testu ali a priori kontrastih.<br />
Post hoc kontrasti<br />
• Fisherjev LSD (least significant difference) test<br />
Izvajamo ga samo, če je ANOVA dala statistično<br />
pomemben F.<br />
Naredimo vse možne parne primerjave sredin.<br />
FWER ne kontroliramo.<br />
Post hoc kontrasti<br />
• Tukeyev (HSD) postopek (Tukey’s<br />
honestly significant difference test)<br />
Za preverjanje parnih kontrastov med a sredinami<br />
Naredimo vse možne parne primerjave. Za vsako<br />
primerjavo izračunamo t (q) in ga primerjamo s kritično t<br />
vrednostjo.<br />
Razlike med sredinama ne delimo s SE M1-M2 kot pri t-testu,<br />
pač pa s SE M . H 0 : M 2 izhaja iz iste populacije kot M 1 .<br />
Če najbolj ekstremni razliki ne dasta statistično<br />
pomembnega q, zaključimo, da so vse sredine homogene.<br />
Več skupin kot imamo, večja mora biti parna razlika med<br />
sredinami, da bo pomembna.<br />
Postopek je manj konzervativen od Scheffejevega in tudi od<br />
Bonferronijevega popravka (pri več kot treh primerjavah);<br />
kljub temu dobro kontrolira napako.<br />
Pri različno velikih vzorcih je konzervativen. Alternativa:<br />
Tukey-Kramerjev test, Tukeyev b test (Tukey’s wholly<br />
significant difference test)<br />
Pri nehomogenih variancah popravimo stopnje svobode.<br />
M1<br />
M<br />
2<br />
q <br />
MSS<br />
/ A<br />
n<br />
q ( a,<br />
df )<br />
t<br />
FWER<br />
krit<br />
q<br />
FWER<br />
e<br />
/<br />
2<br />
Post hoc kontrasti<br />
• Schefféjev test<br />
Izvajamo ga, če je F v ANOVI statistično<br />
pomemben.<br />
Za vse možne parne primerjave izračunamo t in<br />
ga primerjamo s S. Oz., za vsako primerjavo<br />
izračunamo F in ga primerjamo s F’, ki je še<br />
večji od F iz ANOVE; F’ = (a-1)F.<br />
Tudi za preverjanje kateregakoli post hoc<br />
kontrasta<br />
zelo konzervativen test, odsvetovan za<br />
posamezne primerjave; le kadar delamo<br />
ogromno število primerjav, predvsem linearnih<br />
kombinacij sredin različnih skupin<br />
S f F f ,<br />
df 60<br />
S 2,88<br />
<br />
FWER<br />
df e<br />
f a 1<br />
3<br />
e<br />
F (3, 60) 2,76<br />
,05<br />
<br />
6
Post hoc kontrasti<br />
• Sekvenčni testi:<br />
razlike uredimo po velikosti; če je največja razlika<br />
statistično pomembna, mora naslednja v vrsti preseči<br />
nižji kriterij; potem ko pridemo do nepomembne<br />
razlike, manjših ne testiramo več<br />
Newman-Keulsov postopek, Duncanov test (manj<br />
uporabljana)<br />
Ryanovi testi, npr. R-E-G-W Q: ima dobro moč, a tudi<br />
dobro kontrolo napake; ga priporoča več avtorjev<br />
• Če sta vzorca različno velika: Gabrielov<br />
postopek (a postane pri ekstremnih razlikah v n<br />
preveč liberalen)<br />
Post hoc kontrasti<br />
Testi, primerni za heterogene variance pri enosmerni ANOVI:<br />
• Hochbergov GT2 postopek<br />
razen če se n zelo razlikujejo<br />
• Tamhanov T2 test<br />
Konzervativen<br />
Uporaben pri neenakih n<br />
• Games-Howellov postopek<br />
Uporaben pri neenakih n, a le, če je n > 5<br />
Malo bolj konzervativen od Tamhanovega T2 testa<br />
Najbolj priporočan<br />
Uporabimo ga ob drugih postopkih, da preverimo, koliko se rezultati<br />
različnih postopkov razlikujejo<br />
• Dunnetov T3 test in Dunnettov C test<br />
Imata striktno kontrolo nad FWER<br />
Faktorski raziskovalni načrt<br />
Večfaktorski<br />
raziskovalni načrt<br />
Faktorski načrti:<br />
• načrti, kjer so na vseh faktorjih meritve neponovljene,<br />
• načrti, kjer so na vseh faktorjih meritve ponovljene,<br />
• mešani načrti.<br />
Primer:<br />
2 (smer gibanja tarče - ponovljene meritve)<br />
x 2 (hitrost gibanja tarče - ponovljene meritve)<br />
x 2 (položaj namiga - ponovljene meritve)<br />
= 8 eksperimentalnih pogojev, vse osebe sodelujejo v vseh<br />
pogojih<br />
Deskriptivna analiza<br />
Deskriptivna analiza<br />
TABELA z:<br />
• aritmetičnimi sredinami<br />
• standardnimi deviacijami<br />
• za vsak pogoj<br />
• robne statistike –<br />
za ravni posameznega<br />
faktorja (združeno preko<br />
vseh variacij drugih<br />
faktorjev)<br />
A1<br />
A2<br />
Tot<br />
B1<br />
B2<br />
M 11<br />
SD 11<br />
M 12<br />
SD 12<br />
M 21<br />
SD 21<br />
M 22<br />
SD 22<br />
M B1<br />
SD B1<br />
M B2<br />
SD B2<br />
Tot<br />
M A1<br />
SD A1<br />
M A2<br />
SD A2<br />
M tot<br />
SD tot<br />
GRAFIČNI PRIKAZ<br />
Pokaže glavni učinek in<br />
interakcijo (ordinalno,<br />
disordinalno).<br />
interakcija<br />
učinek NV1 je na različnih<br />
ravneh NV2 različen<br />
(Interakcija ≠ korelacija med NV1<br />
in NV2. NV naj bi bile med seboj<br />
nekorelirane, sicer se njihovi<br />
učinki prekrivajo.)<br />
OV<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
NV2-d<br />
NV2-e<br />
NV2-f<br />
A B C D<br />
NV1<br />
7
Kaj je interakcija<br />
Kaj je interakcija<br />
14<br />
14<br />
13<br />
13<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
mlajši<br />
starejši<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
mlajši<br />
starejši<br />
6<br />
A B C placebo<br />
zdravilo<br />
6<br />
A B C placebo<br />
zdravilo<br />
Kaj je interakcija<br />
Kaj je interakcija<br />
14<br />
14<br />
13<br />
13<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
mlajši<br />
starejši<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
mlajši<br />
starejši<br />
6<br />
A B C placebo<br />
zdravilo<br />
6<br />
A B C placebo<br />
zdravilo<br />
Kaj je interakcija<br />
Kaj je interakcija<br />
14<br />
14<br />
13<br />
13<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
mlajši<br />
starejši<br />
zmanjšanje bolečine<br />
12<br />
11<br />
10<br />
9<br />
8<br />
7<br />
7<br />
mlajši<br />
starejši<br />
6<br />
A B C placebo<br />
zdravilo<br />
6<br />
A B C placebo<br />
zdravilo<br />
8
Zaključevanje<br />
• Kako pomembni so učinki NV<br />
• Odklon posameznega rezultata<br />
povzročajo:<br />
glavni učinki vseh faktorjev,<br />
interakcija med faktorji,<br />
napake merjenja (pri neponovljenih meritvah<br />
tudi razlike med posamezniki)<br />
Zaključevanje<br />
• Primer razstavljanja variance pri<br />
dvofaktorskem načrtu z neponovljenimi<br />
merjenji:<br />
SS total = SS A + SS B + SS AB + SS napaka<br />
• Na podlagi SS izračunamo MS, te delimo z df<br />
in tako pridemo do F razmerja, ki kaže<br />
pomembnost preučevanega vpliva.<br />
skupno vsem analizam variance<br />
• Razlike med tipi analiz so v vrsti napake.<br />
Dvosmerna ANOVA<br />
za neponovljene<br />
meritve<br />
Oznake v enačbah<br />
i – variacija spremenljivke A<br />
j – variacija spremenljivke B<br />
k – podatek v skupini<br />
n – število podatkov v skupini<br />
a – število variacij spremenljivke A<br />
b – število variacij spremenljivke B<br />
Razstavljanje odklona vsakega podatka od skupnega povprečja vseh podatkov<br />
Y<br />
Y<br />
ijk<br />
ij.<br />
Y<br />
Y<br />
...<br />
...<br />
( Y<br />
ijk<br />
( Y<br />
i..<br />
Y<br />
ij.<br />
) ( Y<br />
ij.<br />
Y ...)<br />
( Y<br />
. j.<br />
Y<br />
...<br />
)<br />
Y ...)<br />
( Y<br />
ij.<br />
Y<br />
i..<br />
Y<br />
. j.<br />
Y<br />
...<br />
)<br />
zdravilo A1<br />
zdravilo A2<br />
zdravilo A3<br />
zmanjšanje bolečine<br />
10<br />
8<br />
6<br />
4<br />
2<br />
0<br />
B1<br />
B2<br />
bolezen<br />
B1<br />
2<br />
5<br />
6<br />
2<br />
2<br />
5<br />
7<br />
8<br />
10<br />
A1 A2 A3<br />
bolezen<br />
B2<br />
2<br />
4<br />
5<br />
3<br />
5<br />
6<br />
2<br />
3<br />
8<br />
bolezen<br />
B1<br />
bolezen<br />
B2<br />
skupaj<br />
zdravilo A1 M 4,3 3,7 4,0<br />
SD 1,7 1,2 1,5<br />
zdravilo A2 M 3,0 4,7 3,8<br />
SD 1,4 1,2 1,6<br />
zdravilo A3 M 8,3 4,3 6,3<br />
SD 1,2 2,6 2,9<br />
skupaj M 5,2 4,2 4,7<br />
SD 2,7 1,9 2,4<br />
Vsote kvadratov odklonov<br />
SS<br />
SS<br />
SS<br />
SS<br />
SS<br />
SS<br />
total<br />
total<br />
A<br />
B<br />
AB<br />
SS<br />
<br />
nb<br />
na<br />
n<br />
napaka<br />
<br />
<br />
<br />
<br />
<br />
i<br />
i<br />
j<br />
A<br />
SS<br />
i j k<br />
( Y<br />
( Y<br />
j<br />
i..<br />
. j.<br />
( Y<br />
<br />
i j k<br />
B<br />
( Y<br />
ij.<br />
SS<br />
ijk<br />
Y )<br />
2<br />
...<br />
Y )<br />
2<br />
...<br />
Y<br />
( Y<br />
ijk<br />
i..<br />
AB<br />
Y )<br />
Y<br />
Y<br />
SS<br />
2<br />
...<br />
. j.<br />
)<br />
2<br />
ij.<br />
napaka<br />
Y )<br />
2<br />
...<br />
Stopnje prostosti<br />
df<br />
df<br />
df<br />
df<br />
df<br />
total<br />
A<br />
B<br />
AB<br />
abn 1<br />
a 1<br />
b 1<br />
( a 1)(<br />
b 1)<br />
napaka<br />
ab(<br />
n 1)<br />
zdravilo<br />
9
Srednji kvadrati odklonov<br />
MS<br />
MS<br />
MS<br />
MS<br />
A<br />
B<br />
AB<br />
SS<br />
<br />
df<br />
napaka<br />
A<br />
A<br />
SS<br />
<br />
df<br />
B<br />
B<br />
SS<br />
<br />
df<br />
AB<br />
AB<br />
SS<br />
<br />
df<br />
napaka<br />
napaka<br />
F<br />
F<br />
F<br />
F razmerja<br />
A<br />
B<br />
AB<br />
MS<br />
<br />
MS<br />
MS<br />
<br />
MS<br />
A<br />
napaka<br />
B<br />
napaka<br />
MS<br />
<br />
MS<br />
AB<br />
napaka<br />
Povzetek analize variance<br />
Izvor variabilnosti SS df MS F p<br />
zdravilo 23,44 2 11,72 2,85 ,10<br />
bolezen 4,50 1 4,50 1,09 ,32<br />
zdravilo bolezen 24,33 2 12,17 2,96 ,09<br />
napaka 49,33 12 4,11<br />
skupaj 101,61 17<br />
Interpretacija rezultatov<br />
• Najprej interpretiramo interakcijo.<br />
Če je učinek A pri različnih ravneh B ravno obraten,<br />
se lahko (navidezno) izniči. Glavni učinek A ni<br />
pomemben, je pa pomembna interakcija.<br />
• Analiza rezidualov<br />
Razlaga ekstremnih primerov s tretjimi<br />
spremenljivkami<br />
• Diskutabilno: Katero raven napake izbrati za<br />
odločanje o statistični pomembnosti učinkov<br />
Toothaker (po Garson, 2009) pravi, da bi morala<br />
napaka ,05 veljati za celoten eksperiment<br />
(experimentwise error rate). V dvosmerni ANOVI<br />
bi torej morali kot mejo postaviti = ,05 / 3.<br />
Trismerna ANOVA za<br />
neponovljene meritve<br />
Oznake v enačbah<br />
i – variacija spremenljivke A;<br />
j – variacija spremenljivke B;<br />
k – variacija spremenljivke C;<br />
m – podatek v skupini<br />
n – število podatkov v skupini<br />
a – število variacij spremenljivke A<br />
b – število variacij spremenljivke B<br />
c – število variacij spremenljivke C<br />
Razstavljanje odklona vsakega podatka od skupnega<br />
povprečja vseh podatkov<br />
Y<br />
ijkm<br />
Y ijk.<br />
Y .... ( Y i...<br />
Y ....)<br />
( Y .<br />
( Y i<br />
Y .... ( Y<br />
. k.<br />
ijkm<br />
Y ijk.<br />
) ( Y<br />
ijk.<br />
Y i...<br />
Y .. k.<br />
Y ....)<br />
( Y ijk.<br />
j..<br />
Y ....)<br />
Y ....)<br />
( Y<br />
.. k.<br />
Y i...<br />
Y .<br />
Y ....)<br />
( Y<br />
j..<br />
ij..<br />
Y .. k.<br />
Y ij..<br />
Y . jk.<br />
Y i...<br />
Y . j..<br />
Y ....)<br />
( Y . jk.<br />
Y<br />
i.<br />
k.<br />
Y ....)<br />
Y .<br />
j..<br />
Y .. k.<br />
Y ....)<br />
Vsote kvadratov odklonov<br />
SStotal<br />
SS A SS B SSC<br />
SS AB SS BC SS AC SS ABC SS napaka<br />
SS AB nc<br />
i<br />
<br />
2<br />
SStotal<br />
<br />
( Yijkm<br />
Y ....)<br />
i j k m<br />
<br />
SS A nbc<br />
i<br />
<br />
SS B nac<br />
j<br />
SS AC nb<br />
i<br />
<br />
SSC<br />
nab<br />
k<br />
SS BC na<br />
j<br />
<br />
<br />
<br />
<br />
SS ABC n<br />
i j k<br />
2<br />
( Y i...<br />
Y ....)<br />
2<br />
( Y . j..<br />
Y ....)<br />
2<br />
( Y .. k.<br />
Y ....)<br />
j<br />
k<br />
k<br />
2<br />
( Y ij..<br />
Y i...<br />
Y . j..<br />
Y ....)<br />
2<br />
( Y . jk.<br />
Y . j..<br />
Y .. k.<br />
Y ....)<br />
2<br />
( Y i.<br />
k.<br />
Y i...<br />
Y .. k.<br />
Y ....)<br />
<br />
2<br />
SS napaka <br />
( Yijkm<br />
Y ijk.<br />
)<br />
i j k m<br />
2<br />
( Y ijk.<br />
Y i...<br />
Y . j..<br />
Y .. k.<br />
Y ij..<br />
Y . jk.<br />
Y i.<br />
k.<br />
Y ....)<br />
Stopnje prostosti<br />
df total abcn 1<br />
df A a 1<br />
df B b 1<br />
df C c 1<br />
df AB ( a 1)(<br />
b 1)<br />
df BC ( b 1)(<br />
c 1)<br />
df AC ( a 1)(<br />
c 1)<br />
df ABC ( a 1)(<br />
b 1)(<br />
c 1)<br />
df napaka abc(<br />
n 1)<br />
10
Srednji kvadrati odklonov<br />
SS A<br />
MS A <br />
df A<br />
SS B<br />
MS B <br />
df B<br />
SSC<br />
MSC<br />
<br />
df C<br />
SS AB<br />
MS AB <br />
df AB<br />
SS BC<br />
MS BC <br />
df BC<br />
SS AC<br />
MS AC <br />
df AC<br />
SS ABC<br />
MS ABC <br />
df ABC<br />
SS napaka<br />
MSnapaka<br />
<br />
df napaka<br />
F razmerja<br />
MS<br />
X<br />
FX<br />
<br />
MS<br />
napaka<br />
X...<br />
A,<br />
B,<br />
C,<br />
AB,<br />
AC,<br />
BC,<br />
ABC<br />
Primer<br />
Tabela 1<br />
Ocene zmanjšanja bolečine po prejemu določenega zdravila<br />
pri različno starih bolnikih z različnimi boleznimi<br />
bolezen B1 bolezen B2<br />
starost starost starost starost<br />
C1 C2 C1 C2<br />
8 10<br />
4 8<br />
6 12<br />
2 11<br />
zdravilo A1<br />
10 14<br />
3 11<br />
6 15<br />
1 13<br />
5 14<br />
4 10<br />
zdravilo A2<br />
7 10<br />
4 7<br />
2 9<br />
2 14<br />
3 8<br />
6 10<br />
zdravilo A3<br />
4 13<br />
4 12<br />
Tabela 2<br />
Povprečna ocena in razpršenost ocen zmanjšanja bolečine<br />
v posamezni skupini bolnikov<br />
bolezen B1 bolezen B2<br />
starost starost starost starost<br />
C1 C2 C1 C2 skupaj<br />
zdravilo A1 M 8,0 12,0 3,0 10,0 8,3<br />
SD 2,0 2,0 1,0 1,7 3,6<br />
zdravilo A2 M 6,0 13,0 3,0 10,0 8,0<br />
SD 1,0 2,6 1,7 3,0 4,2<br />
zdravilo A3 M 3,0 10,0 4,0 12,0 7,3<br />
SD 1,0 2,6 2,0 2,0 4,2<br />
skupaj M 5,7 11,7 3,3 10,7 7,8<br />
SD 2,4 2,4 1,4 2,1 4,0<br />
14<br />
zmanjšanje bolecine<br />
10,5<br />
10,0<br />
9,5<br />
9,0<br />
8,5<br />
8,0<br />
7,5<br />
7,0<br />
A1<br />
A2<br />
A3<br />
zmanjšanje bolecine<br />
12<br />
10<br />
8<br />
6<br />
4<br />
2<br />
A1<br />
A2<br />
A3<br />
A1<br />
A2<br />
A3<br />
6,5<br />
6,0<br />
B1<br />
v rsta bolezni<br />
Slika 1. Dvosmerna interakcija med vrsto zdravila in vrsto bolezni. Vpliv spremenljivke C<br />
»zanemarimo«.<br />
B2<br />
0<br />
B1<br />
starost C1<br />
B2<br />
B1<br />
starost C2<br />
Slika 2. Učinkovanje zdravila na zmanjšanje bolečine pri različnih skupinah bolnikov. Sliki<br />
prikazujeta trosmerno interakcijo med vrsto zdravila (spremenljivko A), vrsto bolezni<br />
(spremenljivko B) in starostjo (spremenljivka C).<br />
B2<br />
Na sliki 2 opazimo dokajšnjo podobnost vzorcev, torej trismerna interakcija najverjetneje<br />
ni statistično pomembna. Ugotovitvi potrjujejo rezultati analize variance (glej tabelo 4).<br />
Tabela 4<br />
Povzetek analize variance ocen zmanjšanja bolečine<br />
Izvor variabilnosti SS df MS F p<br />
zdravilo 6,5 2 3,25 0,81 ,46<br />
bolezen 25,0 1 25,0 6,25 ,02<br />
starost 400,0 1 400,0 100,00 ,00<br />
zdravilo bolezen 45,5 2 22,8 5,69 ,01<br />
bolezen starost 4,0 1 3,3 0,81 ,46<br />
zdravilo starost 6,5 2 4,0 1,00 ,33<br />
zdravilo bolezen starost 3,5 2 1,8 0,44 ,65<br />
napaka 96,0 24 4,0<br />
skupaj 587,0 35<br />
Faktorski načrti za<br />
ponovljene meritve<br />
11
Faktorski eksperimentalni načrti:<br />
ponovljene meritve<br />
• Pogosti v eksperimentalni psihologiji<br />
• Vse osebe sodelujejo v vseh eksperimentalnih<br />
pogojih manj oseb<br />
• Večja moč varianca napake je manjša<br />
• Meritve so korelirane upoštevati pri določanju<br />
napake<br />
• Pomanjkljivost: problem vpliva zaporedja<br />
eksperimentalnih pogojev in prenosov učinkov;<br />
Rešitev: uravnotežanje učinkov z randomizacijo<br />
zaporedja, zadosten premor med pogoji …<br />
Faktorski eksperimentalni načrti:<br />
ponovljene meritve<br />
• Razstavljanje variance<br />
razlike med osebami<br />
razlike znotraj oseb, ki so posledica<br />
učinkov NV in napak merjenja<br />
• V vsakem polju tabele se nahaja le en<br />
rezultat, zato ne moremo izračunati<br />
variabilnosti znotraj polj. Kaj dati v<br />
imenovalec F-razmerja<br />
• Kot napako vzamemo interakcijo značilnosti<br />
oseb s preučevanim vplivom.<br />
A1 A2 A3 A4 M(S)<br />
9<br />
S1 2 4 4 3 3,3<br />
8<br />
S2 2 4 5 4 3,8<br />
7<br />
S1<br />
Enosmerna ANOVA za<br />
ponovljene meritve<br />
S3 2 4 4 3 3,3<br />
S4 2 4 5 4 3,8<br />
S5 6 5 8 6 6,3<br />
S6 3 5 6 4 4,5<br />
S7 1 6 7 7 5,3<br />
S8 5 7 8 8 7,0<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
6<br />
5<br />
Y<br />
4<br />
3<br />
2<br />
1<br />
0<br />
A1 A2 A3 A4<br />
Eksperimentalni pogoj<br />
S2<br />
S3<br />
S4<br />
S5<br />
S6<br />
S7<br />
S8<br />
H 0 : μ 1 = μ 2 = μ 3 = …<br />
H 1 : Vsaj ena sredina odstopa od drugih.<br />
varianca razlike med pogoji (brez ind. razlik)<br />
F =<br />
varianca razlike , kot bi jo jih pričakovali po slučaju (z izključenimi ind. razlikami)<br />
učinek NV + slučajne razlike<br />
F =<br />
slučajne razlike<br />
A1 A2 A3 A4 M(S)<br />
S1 1 3 4 3 2,8<br />
S2 2 4 5 4 3,8<br />
S3 1 3 4 3 2,8<br />
S4 2 4 5 4 3,8<br />
S5 5 7 8 7 6,8<br />
S6 3 5 6 5 4,8<br />
S7 4 6 7 6 5,8<br />
S8 5 7 8 7 6,8<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
9<br />
8<br />
7<br />
6<br />
5<br />
Y<br />
4<br />
3<br />
2<br />
1<br />
0<br />
A1 A2 A3 A4<br />
Eksperimentalni pogoj<br />
S1<br />
S2<br />
S3<br />
S4<br />
S5<br />
S6<br />
S7<br />
S8<br />
A1 A2 A3 A4 M(S)<br />
2 4 4 3 3,3<br />
S1<br />
S2 2 4 5 4 3,8<br />
S3 2 4 4 3 3,3<br />
S4 2 4 5 4 3,8<br />
S5 6 5 8 6 6,3<br />
S6 3 5 6 4 4,5<br />
S7 1 6 7 7 5,3<br />
S8 5 7 8 8 7,0<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
9<br />
8<br />
7<br />
6<br />
5<br />
Y<br />
4<br />
3<br />
2<br />
1<br />
0<br />
A1 A2 A3 A4<br />
Eksperimentalni pogoj<br />
S1<br />
S2<br />
S3<br />
S4<br />
S5<br />
S6<br />
S7<br />
S8<br />
Primer brez slučajnih razlik:<br />
Primer s slučajnimi razlikami:<br />
Razlike med pogoji so pri različnih osebah enake ni interakcije med<br />
osebami in pogoji<br />
Razlike med pogoji so pri različnih osebah različne interakcija med<br />
osebami in pogoji<br />
12
A1 A2 A3 A4 M(S)<br />
S1 2 4 4 3 3,3<br />
S2 2 4 5 4 3,8<br />
S3 2 4 4 3 3,3<br />
S4 2 4 5 4 3,8<br />
S5 6 5 8 6 6,3<br />
S6 3 5 6 4 4,5<br />
S7 1 6 7 7 5,3<br />
S8 5 7 8 8 7,0<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
Odklon posameznega rezultata:<br />
X i - M tot = (M s - M tot ) + (X i - M s )<br />
Y<br />
9<br />
8<br />
7<br />
6<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
A1 A2 A3 A4<br />
Eksperimentalni pogoj<br />
SS total = SS med osebami + SS znotraj oseb = SS med osebami + SS pogoji + SS napaka<br />
Učinki NV<br />
števec<br />
F-razmerja<br />
S1<br />
S2<br />
S3<br />
S4<br />
S5<br />
S6<br />
S7<br />
S8<br />
Napake merjenja<br />
imenovalec<br />
F-razmerja<br />
S x A<br />
Aditivni model<br />
Razstavljanje odklona posameznega rezultata:<br />
X i - M tot = (M s - M tot ) + (X i - M s )<br />
Strukturni model: Y μ η α ε<br />
Razstavljanje SS odklonov rezultatov:<br />
SS tot = SS med osebami + SS znotraj oseb =<br />
= SS med osebami + SS pogoji + SS napaka<br />
Predpostavke:<br />
Neodvisnost porazdelitev j , h i in e ij<br />
Normalnost porazdelitev j , h i in e ij<br />
α<br />
j<br />
2<br />
δA<br />
2<br />
θA<br />
<br />
<br />
μ j<br />
a<br />
μ j μ<br />
j1<br />
<br />
a<br />
<br />
a<br />
μ j μ<br />
j1<br />
<br />
a 1<br />
<br />
<br />
μ<br />
<br />
2<br />
2<br />
0<br />
ij<br />
Meri variabilnosti učinkov tretmaja<br />
i<br />
j<br />
ij<br />
A1 A2 A3 A4 M(S)<br />
S1 1 3 4 3 2,8<br />
S2 2 4 5 4 3,8<br />
S3 1 3 4 3 2,9<br />
S4 2 4 5 4 3,8<br />
S5 5 7 8 7 6,7<br />
S6 3 5 6 5 4,9<br />
S7 4 6 7 6 5,8<br />
S8 5 7 8 7 6,7<br />
M(A) 3,0 4,9 5,9 4,8 4,6<br />
SS med osebami = 75,5<br />
SS znotraj oseb = 38,0<br />
SS pogoji = 38,0<br />
SS napaka = 0,0<br />
Pričakovani MS:<br />
ZaS: a<br />
2<br />
e<br />
2<br />
e<br />
ZaS<br />
A : <br />
2<br />
e<br />
2<br />
S<br />
ZaA : n<br />
2<br />
A<br />
Napaka<br />
(=napaka merjenja)<br />
Aditivni model<br />
Razstavljanje odklona posameznega rezultata:<br />
X i - M tot = (M s - M tot ) + (X i - M s )<br />
Strukturni model:<br />
Y μ η α ε<br />
Razstavljanje SS odklonov rezultatov:<br />
SS tot = SS med osebami + SS znotraj oseb =<br />
= SS med osebami + SS pogoji + SS napaka<br />
Predpostavke:<br />
Neodvisnost porazdelitev j , h i in e ij<br />
Normalnost porazdelitev j , h i in e ij<br />
α<br />
j<br />
2<br />
δA<br />
2<br />
θA<br />
<br />
<br />
μ j<br />
a<br />
μ j μ<br />
j1<br />
<br />
a<br />
<br />
a<br />
μ j μ<br />
j1<br />
<br />
a 1<br />
<br />
<br />
μ<br />
<br />
2<br />
2<br />
0<br />
ij<br />
Meri variabilnosti učinkov tretmaja<br />
i<br />
j<br />
ij<br />
A1 A2 A3 A4 M(S)<br />
S1 2 4 4 3 3,3<br />
S2 2 4 5 4 3,8<br />
S3 2 4 4 3 3,3<br />
S4 2 4 5 4 3,8<br />
S5 6 5 8 6 6,3<br />
S6 3 5 6 4 4,5<br />
S7 1 6 7 7 5,3<br />
S8 5 7 8 8 7,0<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
SS med osebami = 56,0<br />
SS znotraj oseb = 55,5<br />
SS pogoji = 38,0<br />
SS napaka = 17,5<br />
Pričakovani MS:<br />
ZaS: a<br />
2<br />
e<br />
2<br />
e<br />
ZaS<br />
A : <br />
2<br />
e<br />
2<br />
S<br />
ZaA : n<br />
2<br />
A<br />
Napaka<br />
(=napaka merjenja)<br />
Neaditivni model<br />
Sestava posameznega rezultata (strukturni model):<br />
Y μ η α <br />
ij<br />
i<br />
j<br />
ηα εij<br />
ij<br />
m … M tot<br />
h j ... značilnosti osebe j<br />
i … učinek NV i<br />
(h) ij = m ij – h j – i + m … učinek<br />
tretmaja se od posameznika do<br />
posameznika razlikuje<br />
e ij … napaka<br />
Razstavljanje SS odklonov rezultatov:<br />
SS total = SS med osebami + SS znotraj oseb<br />
SS znotraj oseb = SS pogoji + SS interakcija oseb z učinkom NV + SS napaka merjenja<br />
imenovalec v F razmerju<br />
Ugotavljanje neaditivnosti:<br />
Sistematičen vzorec (npr. krivuljčni odnos)<br />
na grafu rezidualov vs. napovedanih dosežkov<br />
Pričakovani MS:<br />
ZaS: a<br />
2<br />
e<br />
ZaA : <br />
2<br />
e<br />
2<br />
e<br />
2<br />
S<br />
2<br />
SA<br />
ZaS<br />
A : <br />
n<br />
2<br />
SA<br />
2<br />
A<br />
napaka<br />
A1 A2 A3 A4 M(S)<br />
2 4 4 3 3,3<br />
S1<br />
S2 2 4 5 4 3,8<br />
S3 2 4 4 3 3,3<br />
S4 2 4 5 4 3,8<br />
S5 6 5 8 6 6,3<br />
S6 3 5 6 4 4,5<br />
S7 1 6 7 7 5,3<br />
S8 5 7 8 8 7,0<br />
M(A) 2,9 4,9 5,9 4,9 4,6<br />
Vir<br />
variabilno<br />
sti<br />
SS df MS F<br />
S<br />
A<br />
S x A<br />
Skupaj<br />
a<br />
<br />
n<br />
i1<br />
2<br />
Y i. Y<br />
.. 56,<br />
0<br />
0<br />
a<br />
2<br />
Y<br />
j Y<br />
.. <br />
n<br />
n – 1=7<br />
a – 1 = 3<br />
n a<br />
2<br />
Y<br />
ij Y<br />
i. Y<br />
. j Y .. 17, 5<br />
(n – 1)(a – 1) = 21<br />
i1 j1<br />
n a<br />
2<br />
Y ij Y<br />
.. 111, 5<br />
i1 j1<br />
an – 1 = 31<br />
j1<br />
. 38, 0<br />
MSS<br />
MSSA<br />
SS S<br />
n 1 8,<br />
6<br />
9,<br />
SS A<br />
a 1 12,67 MS A 15, 2<br />
MSSA<br />
SS SA 0,83<br />
a 1n 1<br />
p<br />
< ,001<br />
< ,001<br />
Velikost učinka NV<br />
• Hayesova omega^2 = ocena pojasnjene<br />
variance:<br />
ω<br />
ωˆ<br />
2<br />
A<br />
δ<br />
<br />
σˆ<br />
2<br />
A<br />
2<br />
Y<br />
<br />
δ<br />
2<br />
A, spodnja meja<br />
2<br />
A<br />
σˆ<br />
2<br />
S<br />
<br />
anMS<br />
2<br />
δA<br />
σˆ<br />
SA<br />
2<br />
SA<br />
σˆ<br />
2<br />
e<br />
( a 1)(<br />
MS<br />
A<br />
MSSA)<br />
( a 1)(<br />
MS MS ) nMS<br />
A<br />
SA<br />
S<br />
78<br />
13
Predpostavke<br />
• Normalna porazdelitev parnih razlik med ravnmi OV<br />
• Sferičnost: Vse parne razlike med ravnmi NV<br />
morajo imeti enako varianco.<br />
Če pride do nesferičnosti, naraste verjetnost visokih F<br />
vrednosti, torej raven napake.<br />
Mauchlyjev test sferičnosti<br />
• Problemi: če porazdelitve znotraj pogojev niso normalne, lahko<br />
da test pomembne vrednosti, četudi sferičnost ni kršena; pri<br />
majhnih vzorcih ima premajhno moč, pri velikih vzorcih pa<br />
preveliko<br />
Rešitve, če je sferičnost kršena:<br />
• MANOVA<br />
• Korekcija df<br />
• Testi načrtovanih kontrastov<br />
Predpostavke<br />
• Korekcija stopenj svobode z epsilonom<br />
Porazdelitev MS A / MS SA je F, ki ima naslednje stopnje svobode:<br />
• df A = (a-1)e<br />
• df SA = (a-1)(n-1)e<br />
• Prilagoditev e je funkcija stopnje nesferičnosti; pri sferičnih podatkih<br />
je e enak 1, sicer je manjši od 1 in se z večanjem stopnje<br />
nesferičnosti približuje spodnji meji 1/(a-1).<br />
• Zato večja kot je nesferičnost, večji mora biti F, da je statistično<br />
pomemben.<br />
Greenhouse-Geisserjeva korekcija (oz. ocena e<br />
• Konzervativna, posebej pri majhnem n<br />
• Priporočljiva, kadar je e < 0,75<br />
Huynhova in Feldtova korekcija<br />
• Običajno bolj priporočljiva, ima večjo moč<br />
Lower bound method<br />
• Najbolj konzervativna prilagoditev e<br />
Dvosmerna ANOVA s<br />
ponovljenimi meritvami na<br />
obeh faktorjih<br />
Primer: Poggendorfova iluzija<br />
Eksperimentalni načrt:<br />
2 (razmik med navpičnima črtama; ponovljene<br />
meritve)<br />
x 2 (kot poševnih črt; ponovljene meritve)<br />
Obe spremenljivki fiksni.<br />
OV = napaka v višini črte<br />
(+ črta je nastavljena prenizko,<br />
- črta je nastavljena previsoko)<br />
r100k30 r100k45 r150k30 r150k45<br />
4,4 9,3 8,2 18,3<br />
48 27,13 42,83 76,65<br />
39,57 22,85 44,75 39,9<br />
15,8 13,65 8,65 18,9<br />
16,5 17,7 22,9 29,62<br />
39,3 27,02 47,97 41,2<br />
42,85 22,7 68,45 37,98<br />
21,45 23,78 8,67 12,08<br />
26,3 16,33 37,23 24,98<br />
15 6,65 27,65 13,82<br />
30,7 20,9 45,6 26,1<br />
10,3 4,15 7,1 1,55<br />
16,45 11,65 17,6 12,6<br />
13,78 18,45 16,43 24,36<br />
35,45 22,9 48,58 32,73<br />
31,5 18,98 47,9 25,38<br />
11,5 9,65 17,23 15,53<br />
26,55 11,83 37,83 18,4<br />
47,12 30,9 68,35 42,78<br />
22,5 15,1 34,8 26,6<br />
34,05 17,5 47,57 25,23<br />
21,8 15,3 40,4 26,5<br />
-6,35 0,7 -7,03 8,35<br />
28,05 17,23 38,23 24,4<br />
38,85 21,13 56,1 30,68<br />
53,1 28,3 81,95 49<br />
7,22 14,32 18,42 19,95<br />
16,08 7,6 13,55 11,98<br />
48,35 31,48 65,38 47,55<br />
33,68 18,98 44,25 29,4<br />
39,3 20,5 60,45 28,63<br />
22,95 15,3 33,6 25,52<br />
19,5 16,2 32,7 20,9<br />
9,7 7,1 9,9 9,7<br />
8,95 8,15 15,3 12,56<br />
12,6 8,9 17,5 12<br />
31,95 15,88 43,03 12,75<br />
21,68 8,63 27,63 14,8<br />
16,73 8,33 30,53 16,33<br />
32,18 24,05 43,43 38,98<br />
12,2 8,45 32,03 15,55<br />
31,83 20,6 54,4 31,55<br />
31,75 23,9 38,93 33,15<br />
19,93 15,03 34,8 23,55<br />
Primer: Poggendorfova iluzija<br />
Učinek S S 1 : S 2 : S 3 …<br />
Učinek A A 1 : A 2<br />
Učinek B B 1 : B 2<br />
Interakcija AB A 1B 1 : A 1B 2 : A 1B 1 : A 1B 2<br />
SA S 1A 1 S 1A 2<br />
S 2A 1 S 2A 2<br />
S 3A 1 S 3A 2<br />
…<br />
SB S 1B 1 S 1B 2<br />
S 2B 1 S 2B 2<br />
S 3B 1 S 3B 2<br />
…<br />
SAB S 1A 1 S 1A 2 S 1B 1 S 1B 2<br />
S 2A 1 S 2A 2 S 2B 1 S 2B 2<br />
S 3A 1 S 3A 2 S 3B 1 S 3B 2<br />
…<br />
r100k30 r100k45 r150k30 r150k45<br />
4,4 9,3 8,2 18,3<br />
48 27,13 42,83 76,65<br />
39,57 22,85 44,75 39,9<br />
15,8 13,65 8,65 18,9<br />
16,5 17,7 22,9 29,62<br />
39,3 27,02 47,97 41,2<br />
42,85 22,7 68,45 37,98<br />
21,45 23,78 8,67 12,08<br />
26,3 16,33 37,23 24,98<br />
15 6,65 27,65 13,82<br />
30,7 20,9 45,6 26,1<br />
10,3 4,15 7,1 1,55<br />
16,45 11,65 17,6 12,6<br />
13,78 18,45 16,43 24,36<br />
35,45 22,9 48,58 32,73<br />
31,5 18,98 47,9 25,38<br />
11,5 9,65 17,23 15,53<br />
26,55 11,83 37,83 18,4<br />
47,12 30,9 68,35 42,78<br />
22,5 15,1 34,8 26,6<br />
34,05 17,5 47,57 25,23<br />
21,8 15,3 40,4 26,5<br />
-6,35 0,7 -7,03 8,35<br />
28,05 17,23 38,23 24,4<br />
38,85 21,13 56,1 30,68<br />
53,1 28,3 81,95 49<br />
7,22 14,32 18,42 19,95<br />
16,08 7,6 13,55 11,98<br />
48,35 31,48 65,38 47,55<br />
33,68 18,98 44,25 29,4<br />
39,3 20,5 60,45 28,63<br />
22,95 15,3 33,6 25,52<br />
19,5 16,2 32,7 20,9<br />
9,7 7,1 9,9 9,7<br />
8,95 8,15 15,3 12,56<br />
12,6 8,9 17,5 12<br />
31,95 15,88 43,03 12,75<br />
21,68 8,63 27,63 14,8<br />
16,73 8,33 30,53 16,33<br />
32,18 24,05 43,43 38,98<br />
12,2 8,45 32,03 15,55<br />
31,83 20,6 54,4 31,55<br />
31,75 23,9 38,93 33,15<br />
19,93 15,03 34,8 23,55<br />
Tabela 1<br />
Opisne statistike skupinskih podatkov za poskus s<br />
Poggendorfovo iluzijo<br />
kot 30º kot 45º skupaj<br />
razmik 100 pik<br />
M 25,03 16,48 20,75<br />
SD 13,35 7,35 /<br />
razmik 150 pik<br />
M 34,81 25,19 30,03<br />
SD 19,31 13,52 /<br />
skupaj<br />
M 29,92 20,84 25,38<br />
odklon nastavitev od ustrezne vrednosti (zaslonske<br />
pike)<br />
40<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
razmik 100 pik<br />
razmik 150 pik<br />
kot 30° kot 45°<br />
Slika 1. Interakcija med spremenljivko Razmik med navpičnima<br />
črtama in spremenljivko Kót med poševno in navpično črto.<br />
Tabela 2<br />
Povzetek dvosmerne analize variance velikosti iluzije<br />
Izvor variabilnosti SS df MS F p<br />
Med osebami<br />
presečišče 113351,14 1 113351,14 182,55 ,00<br />
S-napaka 26699,99 43 620,93<br />
Znotraj oseb<br />
A-razmik 3764,38 1 3764,38 84,34 ,00<br />
SA-napaka (razmik) 1919,22 43 44,63<br />
B-kot 3629,28 1 3629,28 39,01 ,00<br />
SB-napaka (kot) 4000,43 43 93,03<br />
AB-razmik x kot 12,76 1 12,76 0,44 ,51<br />
SAB-napaka (razmik x kot) 1252,35 43 29,12<br />
Opomba: ANOVA je bila izvedena na skupinskih podatkih. Obe neodvisni spremenljivki smo merili ponovljeno.<br />
14
Trije faktorji: A (variacija A1 in A2), B (variacija B1 in B2), C (variacija C1 in C2)<br />
Načrt: 2 (znotraj oseb) 2 (znotraj oseb) 2 (znotraj oseb)<br />
Podatki: X scba<br />
Trismerna ANOVA s<br />
ponovljenimi meritvami na<br />
vseh faktorjih<br />
C1<br />
C2<br />
B1 B2 B1 B2<br />
osebe A1 A2 A1 A2 A1 A2 A1 A2 Ms…<br />
S1 S2 S3 X1111 X1121 X1112 X1122 X1113 X1123 X1211 X1221 X1212 X1222 X1213 X1223 X2111 X2121 X2112 X2122 X2113 X2123 X2211 X2221<br />
X2212 X2222<br />
X2213 X2223<br />
S4 …<br />
… … … … … … … …<br />
M.cba<br />
M….<br />
C1<br />
C2<br />
B1 B2 B1 B2<br />
osebe A1 A2 A1 A2 A1 A2 A1 A2 Ms…<br />
S1 5,3 7,8 10,5 13,4 10,6 15,6 21 26,8 13,9<br />
S2 4,2 6,8 8,5 12,5 8,4 13,6 17 25 12,0<br />
S3 3,7 6,5 7,6 11,4 7,4 13 15,2 22,8 11,0<br />
S4 4,7 6,9 8,7 11,7 9,4 13,8 17,4 23,4 12,0<br />
S5 3,3 6,2 6,7 10,4 6,6 12,4 13,4 20,8 10,0<br />
M.cba 4,2 6,8 8,4 11,9 8,5 13,7 16,8 23,8 11,8<br />
Razstavljanje vsot kvadratov odklonov<br />
SS tot = SS med osebami + SS znotraj oseb<br />
SS znotraj oseb = SS pogoji + SS napaka<br />
SS pogoji = SS A + SS B + SS C + SS AB +<br />
+ SS AC + SS BC + SS ABC<br />
SS napaka = SS napakaA + SS napakaB + SS napakaC +<br />
+ SS napakaAB + SS napakaAC + SS napakaBC +<br />
+ SS napakaABC<br />
SS napaka = SS S×A + SS S×B + SS S×C +<br />
+SS S×A×B + SS S×A×C + SS S×B×C + SS S×A×B×C<br />
Stopnje prostosti<br />
df total = nabc-1<br />
df povprečje = 1<br />
df A = a-1<br />
df B = b-1<br />
df C = c-1<br />
df AB = (a-1)(b-1)<br />
df AC = (a-1)(c-1)<br />
df BC = (b-1)(c-1)<br />
df ABC = (a-1)(b-1)(c-1)<br />
df S = n-1<br />
df SA = (n-1)(a-1)<br />
df SB = (n-1)(b-1)<br />
df SC = (n-1)(c-1)<br />
df SAB = (n-1)(a-1)(b-1)<br />
df SAC = (n-1)(a-1)(c-1)<br />
df SBC = (n-1)(b-1)(c-1)<br />
df SABC = (n-1)(a-1)(b-1)(c-1)<br />
Tabela 3<br />
Povzetek analize variance za ponovljena merjenja<br />
Izvor variabilnosti SS df MS F<br />
Total 1465,296 39<br />
S 67,446 4 16,862<br />
Znotraj subjektov<br />
A 207,936 1 207,936 361,0***<br />
SA 2,304 4 0,576<br />
B 476,100 1 476,100 278,4***<br />
SB 6,840 4 1,710<br />
C 614,656 1 614,656 328,0***<br />
SC 7,494 4 1,873<br />
AB 4,356 1 4,356 29,3**<br />
SAB 0,594 4 0,148<br />
AC 23,104 1 23,104 361,0***<br />
SAC 0,256 4 0,064<br />
BC 52,900 1 52,900 278,4***<br />
SBC 0,760 4 0,190<br />
ABC 0,484 1 0,484 29,3**<br />
SABC 0,066 4 0,017<br />
**p < ,01. ***p < ,001.<br />
Mešani načrti<br />
Npr.: Trismerna ANOVA z<br />
neponovljenimi meritvami na<br />
enem faktorju in ponovljenimi<br />
meritvami na dveh faktorjih<br />
15
B1<br />
B2<br />
C1 C2 C1 C2<br />
A1 1 2 3 4<br />
A2 5 6 7 8<br />
A A1 : A2 (1 + 2 + 3 + 4) : (5 + 6 + 7 + 8)<br />
B B1 : B2 (1 + 2 + 5 + 6) : (3 + 4 + 7 + 8)<br />
C C1 : C2 (1 + 5 + 3 + 7) : (2 + 6 + 4 + 8)<br />
AB 2 2 = 4 primerjave A1B1 : A1B2 : A2B1 : A2B2<br />
(1 + 2) : (3 + 4) : (5 + 6) : (7 + 8)<br />
AC 2 2 = 4 primerjave A1C1 : A1C2 : A2C1 : A2C2<br />
(1 + 3) : (2 + 4) : (5 + 7) : (6 + 8)<br />
BC 2 2 = 4 primerjave A1C1 : A1C2 : A2C1 : A2C2<br />
(1 + 5) : (2 + 6) : (3 + 7) : (4 + 8)<br />
Subjekti so gnezdeni znotraj variacij faktorja A (skupin): S/A<br />
SSS = SSA + SSS/A<br />
Odkloni rezultatov vseh oseb so sestavljeni iz razlik med<br />
dvema skupinama in razlik znotraj skupin.<br />
SSSB … interakcija subjektov s faktorjem B<br />
ABC 2 2 2 = 8 primerjav<br />
A1B1C1 : A1B1C2 : A1B2C1 : A1B2C2 : A2B1C1 : A2B1C2 : A2B2C1 : A2B2C2<br />
1 : 2 : 3 : 4 : 5 : 6 : 7 : 8<br />
SSSB = SSAB + SSSB/A<br />
SSS/A B<br />
Odklone, ki jih povzroča interakcija vseh oseb z B (skupne razlike v odnosih<br />
SB), lahko razstavimo na:<br />
• odklone, ki jih povzroča interakcija faktorja A s faktorjem B (razlike v odnosih<br />
SB med skupinama),<br />
• odklone, ki jih povzroča interakcija subjektov znotraj variacij faktorja A<br />
(skupin) s faktorjem B (razlike v odnosih SB znotraj skupin).<br />
Enako razstavljamo SS SC (odklone, ki so nastali zaradi interakcije vseh oseb s<br />
faktorjem C) in SS SBC (odklone, ki so nastali zaradi interakcije vseh oseb z<br />
interakcijo B C) .<br />
SSA / dfA = SSA / (a-1) = MSA<br />
SSB / dfB = SSB / (b-1) = MSB<br />
SSC / dfC = SSC / (c-1) = MSC<br />
SSAB / dfAB = SSAB / (a-1)(b-1) = MSAB<br />
SSAC / dfAC = SSAC / (a-1)(c-1) = MSAC<br />
SSBC / dfBC = SSBC / (b-1)(c-1) = MSBC<br />
SSABC / dfABC = SSABC / (a-1)(b-1)(c-1) = MSABC<br />
FA = MSA / MSS/A<br />
FB = MSB / MSSB/A<br />
FC = MSC / MSSC/A<br />
SSS/A / dfS/A = SSS/A / a(n-1) = MSS/A<br />
FBC = MSBC / MSSBC/A<br />
SSSB/A / dfSB/A = SSSB/A / a(n-1)(b-1) = MSSB/A<br />
FAB = MSAB / MSSB/A<br />
SSSC/A / dfSC/A = SSSC/A / a(n-1)(c-1) = MSSC/A<br />
FAC = MSAC / MSSC/A<br />
SSSBC/A / dfSBC/A = SSSBC/A / a(n-1)(b-1)(c-1) = MSSBC/A<br />
FABC = MSABC / MSSBC/A<br />
TRISMERNA ANALIZA VARIANCE ZA MEŠANI NAČRT<br />
(1 faktor z neponovljenimi, 2 faktorja s ponovljenimi meritvami)<br />
Osnovni podatki<br />
b1 b2 b3 skupaj<br />
osebe c1 c2 c3 c1 c2 c3 c1 c2 c3<br />
a1 1 2 3 45 53 60 35 41 50 60 65 75 40 52 57 30 37 47 58 54 70 28 37 46 25 32 41 40 47 50 418<br />
338<br />
519<br />
a2 4<br />
5<br />
6<br />
50<br />
42<br />
56<br />
48<br />
45<br />
60<br />
61<br />
55<br />
77<br />
25<br />
30<br />
40<br />
34<br />
37<br />
39<br />
51<br />
43<br />
57<br />
16<br />
22<br />
31<br />
23<br />
27<br />
29<br />
35<br />
37<br />
46<br />
343<br />
338<br />
435<br />
Delovna tabela ABC<br />
b1 b2 b3<br />
c1 c2 c3 c1 c2 c3 c1 c2 c3<br />
a1 140 159 185 128 143 174 93 116 137<br />
a2 148 153 193 95 110 151 69 79 118<br />
288 312 378 223 253 325 162 195 255<br />
Delovna tabela AB<br />
b1 b2 b3<br />
a1 484 445 346 1275<br />
a2 494 356 266 1116<br />
978 801 612 2391<br />
glavni učinki faktorjev<br />
Delovna tabela AC<br />
in njihove interakcije<br />
c1 c2 c3<br />
a1 361 418 496 1275<br />
a2 312 342 462 1116<br />
673 760 958 2391<br />
Delovna tabela BC<br />
c1 c2 c3<br />
b1 288 312 378 978<br />
b2 223 253 325 801<br />
napake<br />
b3 162 195 255 612<br />
673 760 958 2391<br />
Delovna tabela B osebe v A1<br />
os. b1 b2 b3<br />
1 158 149 111 418<br />
2 126 114 98 338<br />
3 200 182 137 519<br />
484 445 346 1275<br />
Delovna tabela B osebe v A2<br />
os. b1 b2 b3<br />
1 159 110 74 343<br />
2 142 110 86 338<br />
3 193 136 106 435<br />
494 356 266 1116<br />
Delovna tabela C osebe v A1<br />
os. c1 c2 c3<br />
1 113 142 163 418<br />
2 90 110 138 338<br />
3 158 166 195 519<br />
361 418 496 1275<br />
Delovna tabela C osebe v A2<br />
os. c1 c2 c3<br />
4 91 105 147 343<br />
5 94 109 135 338<br />
6 127 128 180 435<br />
312 342 462 1116<br />
16
Enačbe<br />
(1) = G 2 / nabc = 2391 2 / (3233) =105.868,17<br />
(2) = X 2 = 45 2 + 53 2 + 60 2 + ... + 31 2 + 29 2 + 46 2 = 115.793,00<br />
(3) = (Ai 2 ) / nbc = (1275 2 + 1116 2 ) / (333) = 106.336,33<br />
(4) = ( Bj 2 ) / nab = (978 2 + 801 2 + 612 2 ) / (323) = 109.590,50<br />
(5) = ( Ck 2 ) / nab = (673 2 + 760 2 + 958 2 ) / (323) = 108.238,50<br />
(6) = ( ABij 2 ) / nc = (484 2 + 445 2 + ... + 266 2 ) / (33) = 110.391,67<br />
(7) = ( ACik) 2 ) / nb = (361 2 + 418 2 + ... + 462 2 ) / (33) = 108.757,00<br />
(8) = ( BCjk) 2 / na = (288 2 + 312 2 + ... + 255 2 ) / (36) = 111.971,50<br />
(9) = (ABCijk) 2 / n = (140 2 + 159 2 + ... + 118 2 ) / 3 = 112.834,33<br />
(10) = ( Pm 2 ) / bc = (418 2 + 338 2 + ... + 435 2 ) / (33) = 108.827,44<br />
(11) = ( BPjm) 2 / c = (158 2 + 149 2 + ... + 106 2 ) / 3 = 113.117,67<br />
(12) = ( CPkm) 2 / b = (113 2 + 142 2 + ... + 180 2 ) / 3 = 111.353,67<br />
Izvor<br />
Računska enačba<br />
df<br />
variabilnosti<br />
Med osebami (10) – (1) na – 1<br />
A (3) – (1) a – 1<br />
osebe znotraj (10) – (3) a(n – 1)<br />
skupin<br />
Znotraj oseb (2) – (10) na(bc – 1)<br />
B (4) – (1) b – 1<br />
AB (6) – (3) – (4) + (1) (a – 1)(b – 1)<br />
B osebe znotraj (11) – (6) – (10) + (3) a(n – 1)(b – 1))<br />
skupin<br />
C (5) – (1) c – 1<br />
AC (7) – (3) – (5) + (1) (a – 1)(c – 1)<br />
C osebe znotraj (12) – (7) – (10) + (3) a(n – 1)(c – 1)<br />
skupin<br />
BC (8) – (4) – (5) + (1) (b – 1)(c – 1)<br />
ABC (9) – (6) – (7) – (8) + (3) + (4) + (5) – (1) (a – 1)(b – 1)(c – 1)<br />
BC osebe (2) – (9) – (11) – (12) + (6) + (7) + (10) – (3) a(n – 1)(b – 1)(c – 1)<br />
znotraj skupin<br />
Povzetek analize variance podatkov iz primera<br />
Izvor variabilnosti SS df MS F<br />
Med osebami 2959,27 5<br />
A 468,16 1 486,16<br />
osebe znotraj skupin 2491,11 4 622,78<br />
Znotraj oseb 6965,56 48<br />
B 3722,33 2 1861,16 63,39 *<br />
AB 333,00 2 166,50 5,67 *<br />
B osebe znotraj skupin 234,89 8 29,36<br />
C 2370,33 2 1185,16 89,78 *<br />
AC 50,34 2 25,17 1,91<br />
C osebe znotraj skupin 105,56 8 13,20<br />
BC 10,67 4 2,67<br />
ABC 11,32 4 2,83<br />
BC osebe znotraj skupin 127,11 16 7,94<br />
* p < ,05<br />
Načrti “predmeritev in naknadnih<br />
meritev” (pretest-posttest designs)<br />
• Posebna različica mešanih načrtov; izmerimo osnovno<br />
raven pri ES in KS, nato uvedemo NV in ponovno<br />
izmerimo OV v obeh skupinah<br />
• Možne vrste analiz:<br />
Enosmerna ANOVA na ponovnih meritvah<br />
ANOVA za mešani načrt; skupina = neponovljene meritve,<br />
predmeritve in naknadne meritve = ponovljene meritve;<br />
ugotovimo, kakšna sta glavni učinek tretmaja in interakcija oseb<br />
z učinkom zaporedja<br />
Enosmerna ANOVA na razlikah med naknadnimi meritvami in<br />
predmeritvami; če je odnos med obema vrstama meritev<br />
linearen in je skupni regresijski koeficient 1, ima ta metoda večjo<br />
moč od ANCOVE<br />
ANCOVA na naknadnih meritvah, pri čemer predmeritve<br />
uporabimo kot kovariat. Če je skupni regresijski koeficient manjši<br />
od 1, ima ANCOVA večjo moč od ANOVE razlik med obema<br />
meritvama.<br />
Splošno o<br />
večfaktorskih načrtih<br />
Imenovalci v F razmerju pri<br />
različnih vrstah načrtov<br />
• Pri različnih faktorskih načrtih so v imenovalcu<br />
F-razmerja različne vrste napak.<br />
• Pri faktorskih načrtih z neponovljenimi merjenji je napaka<br />
ena sama, in sicer variabilnost subjektov znotraj skupin<br />
(varianca vrednosti v posameznih skupinah, obtežena z<br />
velikostjo skupin).<br />
• Pri faktorskih načrtih s ponovljenimi merjenji se v<br />
imenovalcu F-razmerij nahaja napaka, ki nastane zaradi<br />
interakcije oseb z različnimi faktorji ali njihovimi<br />
interakcijami. Vsako F-razmerje ima lastno napako.<br />
• Pri mešanih načrtih je podobno, le da si več<br />
F-razmerij deli isto napako.<br />
Kontrasti v večfaktorskem načrtu<br />
• Testiranje kontrastov v glavnih učinkih pri načrtih z<br />
neponovljenimi meritvami<br />
V imenovalec t statistike vstavimo ustrezno napako in uteži delimo<br />
s številom oseb na posamezni ravni testirane NV (oseb, zajetih v<br />
izračun M j ; v enačbah N M ).<br />
w<br />
jμ<br />
j<br />
w<br />
jμ<br />
j<br />
t <br />
ψˆ<br />
σˆ<br />
ψˆ<br />
<br />
MS<br />
S/A<br />
<br />
w<br />
n<br />
2<br />
j<br />
j<br />
tA<br />
<br />
MS <br />
Ali pa izračunamo F = SS / MS ustrezne napake<br />
SS<br />
ψˆ<br />
<br />
<br />
<br />
w μ<br />
j<br />
w<br />
n<br />
2<br />
j<br />
j<br />
2<br />
<br />
j<br />
SSψˆ<br />
SSψˆ<br />
F npr.<br />
MSe<br />
MS S /<br />
e<br />
ψˆ<br />
vsota kvadriranih utezi<br />
2<br />
ˆ<br />
SSψˆ<br />
<br />
vsota kvadriranih utezi / N<br />
AB<br />
M<br />
npr.<br />
npr.<br />
/<br />
NM<br />
<br />
MS<br />
<br />
<br />
w μ<br />
j<br />
2<br />
w<br />
j<br />
bn<br />
2<br />
<br />
j<br />
S/AB<br />
<br />
2<br />
w<br />
j<br />
j<br />
bn<br />
17
Kontrasti v večfaktorskem načrtu<br />
• Testi multiplih primerjav ne upoštevajo drugih faktorjev ali<br />
kovariatov v modelu. Vsak post hoc test upošteva le glavni<br />
učinek preučevane NV, ne pa tudi drugih glavnih učinkov<br />
in interakcije upoštevati pri interpretaciji kontrastov.<br />
• Rezultati multiplih primerjav so lahko neskladni z rezultati<br />
ANOVE oz. so odvisni od drugih faktorjev v modelu.<br />
Mere velikosti učinka<br />
• Parcialna η 2<br />
Parcialna η 2 za celoten model nam pove, kolikšen del totalne variance OV<br />
pojasnjuje varianca med skupinami NV. Kaže, kolikšen je učinek ob kontroli<br />
drugih spremenljivk v modelu (= delež variance, ki je druge spremenljivke ne<br />
pojasnjujejo).<br />
Parcialna η 2 = SS učinek / (SS učinek + SS napaka ) parcialne η 2 za različne<br />
učinke v večfaktorskem načrtu se ne seštejejo v 1,0<br />
• Haysova w 2<br />
je ocena deleža pojasnjene variance v populaciji (medtem ko je h 2 delež<br />
pojasnjene variance v vzorcu; h 2 = SS učinek / SS tot )<br />
ni odvisna od števila učinkov (prediktorjev)<br />
w 2 = [SS med – (k-1) MS zn ] / [SS tot + MS zn ]<br />
Velik učinek w 2 > 0,15; srednji 0,06 ≤ w 2 ≤ 0,15; majhen: w 2 < 0,06<br />
w 2 ne uporabljamo pri načrtih z naključnimi učinki, pri različno velikih<br />
skupinah in pri večsmernih ANOVAH s ponovljenimi merjenji. Pri enosmerni<br />
ANOVI s ponovljenimi merjenji je pri obstoju interakcije SxA podcenjena.<br />
• Herzbergov R 2<br />
alternativna nepristranska ocena deleža pojasnjene variance<br />
Mere velikosti učinka<br />
• Koeficient intraklasne korelacije r<br />
Meri relativno homogenost znotraj skupin glede na totalno<br />
varianco<br />
Intraklasna r = (MS med – MS zn ) / (MS med + (n-1)MS zn ) , pri čemer<br />
je n povprečno število oseb v skupini<br />
Lahko sega od -1/(n-1) (kadar je variabilnost znotraj skupin<br />
velika in ni razlik med skupinami) do 1,0 (kadar ni variabilnosti<br />
znotraj skupin in se povprečja skupin razlikujejo)<br />
• Cohenov d<br />
Višji kot je, večji je učinek.<br />
d = 0,2 majhen učinek, d = 0,5 srednje velik učinek, d = 0,8 velik<br />
učinek<br />
• Glassov D, Hedgesov g<br />
Modeli z naključnimi učinki<br />
• Vrednosti NV ne določimo načrtno, ampak jih vzorčimo. Vrednosti so<br />
nadomestljive, z izbranih vrednosti posplošujemo na ostale.<br />
• Pri enofaktorskih načrtih je izračun F enak kot pri “fiksnih” učinkih, pri<br />
večfaktorskih pa ne.<br />
• Gnezdeni načrti (kot npr. latinski kvadrat, latinsko-grški kvadrat,<br />
večstopenjsko vzorčenje; znotraj vrednosti faktorja A, tj. glavnega učinka,<br />
vzorčimo vrednosti faktorja B, npr. znotraj šol učence; vrednost A i se<br />
pojavlja le pri eni od ravni B; ne moremo dobiti M A1 preko vseh B oz.<br />
“povprečja ene ravni učenca na več šolah”.) Če je gnezdeni učinek<br />
statistično pomemben, to pomeni, da OV variira glede na gnezdeni faktor<br />
znotraj posamezne ravni glavnega učinka (tj., ob kontroli glavnega učinka).<br />
• Glavni učinek za fiksni faktor je povprečni učinek preko enot naključnega<br />
faktorja. Interakcija fiksnega in naključnega faktorja je varianca učinka<br />
fiksnega faktorja preko vseh enot naključnega faktorja. Glavni učinek<br />
naključnega faktorja nas ne zanima (saj so bile vrednosti tako ali tako<br />
naključno izbrane).<br />
• Testiranje naključnega učinka kot fiksnega poveča napako.<br />
LMM<br />
18