METODA POVPREČNE NAPAKE

Kontrasti v večfaktorskem načrtu
• Testi multiplih primerjav ne upoštevajo drugih faktorjev ali
kovariatov v modelu. Vsak post hoc test upošteva le glavni
učinek preučevane NV, ne pa tudi drugih glavnih učinkov
in interakcije upoštevati pri interpretaciji kontrastov.
• Rezultati multiplih primerjav so lahko neskladni z rezultati
ANOVE oz. so odvisni od drugih faktorjev v modelu.
Mere velikosti učinka
• Parcialna η 2
Parcialna η 2 za celoten model nam pove, kolikšen del totalne variance OV
pojasnjuje varianca med skupinami NV. Kaže, kolikšen je učinek ob kontroli
drugih spremenljivk v modelu (= delež variance, ki je druge spremenljivke ne
pojasnjujejo).
Parcialna η 2 = SS učinek / (SS učinek + SS napaka ) parcialne η 2 za različne
učinke v večfaktorskem načrtu se ne seštejejo v 1,0
• Haysova w 2
je ocena deleža pojasnjene variance v populaciji (medtem ko je h 2 delež
pojasnjene variance v vzorcu; h 2 = SS učinek / SS tot )
ni odvisna od števila učinkov (prediktorjev)
w 2 = [SS med – (k-1) MS zn ] / [SS tot + MS zn ]
Velik učinek w 2 > 0,15; srednji 0,06 ≤ w 2 ≤ 0,15; majhen: w 2 < 0,06
w 2 ne uporabljamo pri načrtih z naključnimi učinki, pri različno velikih
skupinah in pri večsmernih ANOVAH s ponovljenimi merjenji. Pri enosmerni
ANOVI s ponovljenimi merjenji je pri obstoju interakcije SxA podcenjena.
• Herzbergov R 2
alternativna nepristranska ocena deleža pojasnjene variance
Mere velikosti učinka
• Koeficient intraklasne korelacije r
Meri relativno homogenost znotraj skupin glede na totalno
varianco
Intraklasna r = (MS med – MS zn ) / (MS med + (n-1)MS zn ) , pri čemer
je n povprečno število oseb v skupini
Lahko sega od -1/(n-1) (kadar je variabilnost znotraj skupin
velika in ni razlik med skupinami) do 1,0 (kadar ni variabilnosti
znotraj skupin in se povprečja skupin razlikujejo)
• Cohenov d
Višji kot je, večji je učinek.
d = 0,2 majhen učinek, d = 0,5 srednje velik učinek, d = 0,8 velik
učinek
• Glassov D, Hedgesov g
Modeli z naključnimi učinki
• Vrednosti NV ne določimo načrtno, ampak jih vzorčimo. Vrednosti so
nadomestljive, z izbranih vrednosti posplošujemo na ostale.
• Pri enofaktorskih načrtih je izračun F enak kot pri “fiksnih” učinkih, pri
večfaktorskih pa ne.
• Gnezdeni načrti (kot npr. latinski kvadrat, latinsko-grški kvadrat,
večstopenjsko vzorčenje; znotraj vrednosti faktorja A, tj. glavnega učinka,
vzorčimo vrednosti faktorja B, npr. znotraj šol učence; vrednost A i se
pojavlja le pri eni od ravni B; ne moremo dobiti M A1 preko vseh B oz.
“povprečja ene ravni učenca na več šolah”.) Če je gnezdeni učinek
statistično pomemben, to pomeni, da OV variira glede na gnezdeni faktor
znotraj posamezne ravni glavnega učinka (tj., ob kontroli glavnega učinka).
• Glavni učinek za fiksni faktor je povprečni učinek preko enot naključnega
faktorja. Interakcija fiksnega in naključnega faktorja je varianca učinka
fiksnega faktorja preko vseh enot naključnega faktorja. Glavni učinek
naključnega faktorja nas ne zanima (saj so bile vrednosti tako ali tako
naključno izbrane).
• Testiranje naključnega učinka kot fiksnega poveča napako.
LMM
18