Dwuczynnikowa ANOVA dla prób niezależnych w schemacie 2x2

Podobne dokumenty
Efekt główny Efekt interakcyjny efekt jednego czynnika zależy od poziomu drugiego czynnika Efekt prosty

Analiza regresji wielokrotnej - hierarchiczna

Przykład 2. Na podstawie książki J. Kowal: Metody statystyczne w badaniach sondażowych rynku

METODOLOGIA BADAŃ PSYCHOLOGICZNYCH I STATYSTYKA. opracowała dr Anna Szałańska

TABELKA ANOVA (jednoczynnikowa)

P: Czy studiujący i niestudiujący preferują inne sklepy internetowe?

2. Pewien psycholog w przeprowadzonym przez siebie badaniu międzykulturowym chciał sprawdzić czy narodowość badanych osób różnicuje je pod względem

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

Gimnastyka artystyczna

GRUPY NIEZALEŻNE Chi kwadrat Pearsona GRUPY ZALEŻNE (zmienne dwuwartościowe) McNemara Q Cochrana

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Badanie zależności skala nominalna

Test U Manna-Whitneya : Test H Kruskala-Wallisa Test Wilcoxona

Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)

Jednoczynnikowa analiza wariancji

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Jak sprawdzić normalność rozkładu w teście dla prób zależnych?

Testy t-studenta są testami różnic pomiędzy średnimi czyli służą do porównania ze sobą dwóch średnich

Żródło:

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Zadania ze statystyki cz.8. Zadanie 1.

ANALIZA WARIANCJI - KLASYFIKACJA WIELOCZYNNIKOWA

Metody Statystyczne. Metody Statystyczne. #8 Błąd I i II rodzaju powtórzenie. Dwuczynnikowa analiza wariancji

Szkice rozwiązań z R:

Statystyka i Analiza Danych

Zjawisko dopasowania w sytuacji komunikacyjnej. Patrycja Świeczkowska Michał Woźny

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Stanisław Cichocki. Natalia Neherebecka. Zajęcia 15-17

ANALIZY WIELOZMIENNOWE

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Elementy statystyki STA - Wykład 5

JEDNOCZYNNIKOWA ANOVA

Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2000, 2008

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

ANALIZA WIELOPOZIOMOWA JAKO NARZĘDZIE WSPARCIA POLITYK PUBLICZNYCH

Stanisław Cichocki. Natalia Nehrebecka

STATYSTYKA I DOŚWIADCZALNICTWO. Wykład 2

Zmienne zależne i niezależne

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Statystyczna analiza danych w programie STATISTICA (wykład 2) Dariusz Gozdowski

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6

weryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja) założenie: znany rozkład populacji (wykorzystuje się dystrybuantę)

Statystyczna analiza danych w programie STATISTICA 7.1 PL (wykład 3) Dariusz Gozdowski

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.

Wprowadzenie do analizy korelacji i regresji

Satysfakcja z życia rodziców dzieci niepełnosprawnych intelektualnie

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

MODELE LINIOWE. Dr Wioleta Drobik

Przykład 1. (A. Łomnicki)

KORELACJE I REGRESJA LINIOWA

Analiza wariancji - ANOVA

Regresja liniowa wprowadzenie

ANALIZA WARIANCJI - PRZYPOMNIENIE

Rodzaje testów. Testy. istnieje odpowiedź prawidłowa. autoekspresja brak odpowiedzi prawidłowej ZGADYWANIE TRAFNOŚĆ SAMOOPISU

Statystyka matematyczna dla leśników

Statystyka i Analiza Danych

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

LABORATORIUM 3. Jeśli p α, to hipotezę zerową odrzucamy Jeśli p > α, to nie mamy podstaw do odrzucenia hipotezy zerowej

Żródło:

ANALIZA WARIANCJI - KLASYFIKACJA JEDNOCZYNNIKOWA

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

KORELACJE (zmienne ilościowe i porządkowe)

Testy nieparametryczne

Analiza regresji - weryfikacja założeń

Weryfikacja przypuszczeń odnoszących się do określonego poziomu cechy w zbiorowości (grupach) lub jej rozkładu w populacji generalnej,

Badania eksperymentalne

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Opracowywanie wyników doświadczeń

Analiza korespondencji

Statystyka. Wykład 5. Magdalena Alama-Bućko. 20 marca Magdalena Alama-Bućko Statystyka 20 marca / 26

CECHY ILOŚCIOWE PARAMETRY GENETYCZNE

Metody Statystyczne. Metody Statystyczne

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

Zadanie Punkty Ocena

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VIII: Analiza kanoniczna

dr hab. Dariusz Piwczyński, prof. nadzw. UTP

Pytanie: Kiedy do testowania hipotezy stosujemy test F (Fishera-Snedecora)?

Regresja logistyczna (LOGISTIC)

Kolejna z analiz wielozmiennowych Jej celem jest eksploracja danych, poszukiwanie pewnych struktur, które mogą utworzyć wskaźniki

TESTY NIEPARAMETRYCZNE 1/5

Analiza wariancji - ANOVA

Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część

Analiza wariancji, część 2

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Rozkład łatwości zadań

Przedmowa Wykaz symboli Litery alfabetu greckiego wykorzystywane w podręczniku Symbole wykorzystywane w zagadnieniach teorii

KARTA KURSU. Kod Punktacja ECTS* 1

LEKCJA 3 ostatnia lekcja statystyki :) (część 3/3 ostatnia :) )

Drugie kolokwium z Rachunku Prawdopodobieństwa, zestaw A

Porównanie wyników grupy w odniesieniu do norm Test t dla jednej próby

Statystyka. #5 Testowanie hipotez statystycznych. Aneta Dzik-Walczak Małgorzata Kalbarczyk-Stęclik. rok akademicki 2016/ / 28

PDF created with FinePrint pdffactory Pro trial version

Zadania ze statystyki cz.5 I rok socjologii miary związków między zmiennymi jakościowymi

Transkrypt:

Dwuczynnikowa ANOVA dla prób niezależnych w schemacie 2x2 Poniżej prezentujemy przykładowe pytania z rozwiązaniami dotyczącymi dwuczynnikowej analizy wariancji w schemacie 2x2. Wszystkie rozwiązania są poprawne, ale pamiętaj, że na całym świecie wykładowcy różnią się pod względem pewnych niuansów przekazywania wiedzy z zakresu statystyki. Niektórzy np. istotność statystyczną zalecają zapisywać tylko jako p < 0,05 lub p > 0,05. Inni jako p < 0,05 lub ni., gdy wynik jest nieistotny statystycznie. Inni z kolei pozwalają na zapisywanie konkretnej wartości istotności jak np. p = 0,034 lub p = 0,255. Na chwilę obecną każdy z tych sposobów jest poprawny, choć naszym zdaniem tylko jeden z nich jest najlepszy. W miejscach najbardziej problemowych rozwiązanie zadania opatrzyliśmy czerwonym komentarzem. Otwórz bazę ANOVA2x2a i wykonaj kolejne zadania Uwaga: Przed wykonaniem każdego z zadań sprawdź kodowanie zmiennych. Przeprowadź też analizy częstości zmiennych. Przeprowadź dwuczynnikową ANOVA'ę (2x2). Odpowiedz na następujące pytanie: czy płeć i nastrój wpływają na ilość alkoholu wypijanego na imprezie? Sprawdź istotność obydwu efektów głównych i interakcji. Ilość alkoholu była wyrażona ilością pustych butelek pozostawionych w miejscu zabawy. Zad. 1. Jak mierzony był nastrój (Jakie są poziomy? Jaki to typ skali)? Odp. Nastrój mierzony był na dwóch poziomach. Jest to skala nominalna a poziomami tej zmiennej są kolejno: 1 nastrój pozytywny, 2 nastrój negatywny Zad. 2. Czy spełnione zostało założenie o równoliczności grup oraz normalności rozkładu zmiennej zależnej? Nie. Zarówno założenie o równoliczności grup jak i normalności rozkładu w czterech warunkach eksperymentalnych zostało złamane.

Uwaga Pogotowia Statystycznego nr 1 Niewielu prowadzących uczy sprawdzania równoliczności grup choć jest to dosyć ważne założenie wieloczynnikowych analiz wariancji. W przypadku normalności rozkładu założenie to jest znacznie mniej ważne. Tym bardziej, że rozkład powinien być normalny na wielu wymiarach, a tego założenia nie testuje się tak jak uczy tego wielu prowadzących. Mimo wszystko to zadanie musieliśmy umieścić ponieważ cały czas kilku prowadzących każe testować te założenia tak jak uczy tego na zajęciach ze statystyki. Zad. 3. Czy efekt główny nastroju był istotny? Zapisz wynik ANOVA'y dla tego efektu. Tak, efekt główny nastroju jest istotny statystycznie - F(1,2222) = 538,76; p < 0,001; etap 2 = 0,20 Zad. 4. Napisz podsumowanie dla tego efektu (na czym polega, jaka jest jego siła, jakie były średnie i SD). Efekt główny nastroju okazał się być istotny statystycznie i pokazuje, że badani w pozytywnym nastroju spożyli więcej alkoholu na imprezie (M = 5,97; SD = 1,78) niż badani w nastroju negatywnym (M = 4,45; SD = 1,37). Siła efektu jest bardzo duża i oznacza, że 20% zmienności ilości wypitego alkoholu na imprezie, której nie wyjaśniają inne czynniki, może być wyjaśnionej nastrojem. Uwaga Pogotowia Statystycznego nr 2 Pamiętaj, że współczynnik eta kwadrat mówi o tym jaki procent wariancji w zakresie zmiennej zależnej wyjaśnia zmienna niezależna. SPSS liczy jednak cząstkowe eta kwadrat, a nie zwykłe eta kwadrat. To duża różnica! Nieprawdą byłoby napisanie, że 20% wariancji wypitego alkoholu wyjaśnia nastrój. To oznaczałoby, że nastrój wyjaśnia tyle procent z całej wariancji ilości wypitego alkoholu. On wyjaśnia 20% wariancji wypitego alkoholu, ale spośród tej jej części, której nie wyjaśniają inne efekty. To jednak dosyć naciągana interpretacja. Suma wszystkich wartości eta kwadrat z modelu równa się 1 (100%). Suma wszystkich cząstkowych eta kwadrat może być większa od 1 i dlatego nie zaleca się interpretowania jej w kategoriach procentu wyjaśnionej wariancji.

Zad. 5. Czy efekt główny płci był istotny? Zapisz wynik ANOVA dla tego efektu. Tak, był istotny statystycznie - F(1,2222) = 4,65; p < 0,05; etap 2 < 0,01 Zad. 6. Napisz podsumowanie dla tego efektu (na czym polega, jaka jest jego siła, jakie były średnie i SD): Efekt główny płci okazał się być istotny statystycznie. Oznacza to, że płeć różnicuje ilość wypitego alkoholu na imprezie. Mężczyźni spożyli go więcej (M = 5,26; SD = 1,90) niż kobiety (M = 5,20; SD = 1,65). Siła efektu jest bardzo niska i wskazuje na to, że mniej niż 1% (lub 0,2%) zmienności w zakresie wypitego alkoholu na imprezie, której nie wyjaśniają inne czynniki, może być wyjaśnionej płcią. Uwaga Pogotowia Statystycznego nr 3 Jak widzisz procent wyjaśnionej wariancji możesz podać z większą lub mniejszą dokładnością. Współczynnik eta kwadrat wyniósł 0,002. Po pierwsze, niepoprawnym jest napisanie, że eta kwadrat wynosi etap 2 = 0,00 ponieważ wcale nie wynosi ZERO tylko dwie tysięczne. Wartość jednak zaokrąglamy do 2 miejsc po przecinku więc można napisać etap 2 < 0,01. Mimo wszystko w interpretacji, w której zamieniasz wartość eta na procenty możesz napisać, że to tylko 0,02%. Na slajdach p. Malinowskiej widać jednak, że wartość eta 2 zaokrągla do 3 miejsc po przecinku! Zad. 7. Czy interakcja nastroju i płci była istotna? Zapisz wynik ANOVA dla tego efektu: TAK - F(1,2222) = 22,78; p < 0,001; etap 2 = 0,01 Zad. 8. Żeby zrozumieć na czym polega ta interakcja, przeprowadź analizę prostych efektów głównych płci oddzielnie dla poszczególnych poziomów czynnika nastrój. Zapisz wartości porównywanych średnich i odpowiednie poziomy istotności. Prosty efekt główny płci, osoby w pozytywnym nastroju: średnia ilość alkoholu wypijanego przez mężczyzn (M = 6,25; SD = 1,93) średnia ilość alkoholu wypijanego przez kobiety (M = 5,78; SD = 1,64); F(1,2222) = 24,18; p < 0,001; etap 2 = 0,01

Prosty efekt główny płci, osoby w NEGATYWNYM nastroju: średnia ilość alkoholu wypijanego przez mężczyzn (M = 4,35; SD = 1,34) średnia ilość alkoholu wypijanego przez kobiety (M = 4,53; SD = 1,40) F(1,2222) = 3,4; p = 0,065; etap 2 < 0,01 Zad. 9. Napisz podsumowanie dotyczące tej interakcji (co było przedmiotem testowania, czy płeć wpływa na ilość wypijanego alkoholu w różny sposób w zależności od nastroju, jak kształtowały się średnie i SD w poszczególnych grupach, co wynika z tej analizy?) W celu zbadania czy manipulacja nastrojem i płeć wpływają istotnie statystycznie na ilość wypitego alkoholu na imprezie, przeprowadzona została dwuczynnikowa analiza wariancji dla prób niezależnych w schemacie 2x2. Interakcja płci i nastroju jest istotna statystycznie, więc aby sprawdzić w jakim nastroju występowało zróżnicowanie między kobietami a mężczyznami przeprowadzono analizę prostych efektów głównych płci oddzielnie dla poszczególnych poziomów czynnika nastrój. Okazało się, że płeć wpływa istotnie statystycznie na ilość spożytego alkoholu na imprezie, ale tylko w przypadku nastroju pozytywnego. Średnie wartości pokazują, że mężczyźni będący w nastroju pozytywnym wypili więcej alkoholu (M = 6,25; SD = 1,93) niż kobiety w nastroju pozytywnym (M = 5,78; SD = 1,64; p < 0,001). Z kolei gdy badani mężczyźni byli w nastroju negatywnym (M = 4,35; SD = 1,34) nie różnili się od kobiet w tym samym nastroju (M = 4,53; SD = 1,40; p = 0,065) pod względem ilości wypitego alkoholu. Uwaga Pogotowia Statystycznego nr 4 Zauważ, że w opisie efektu interakcji wspominamy tylko o wpływie płci na dwóch poziomach nastroju. Wynika to z zadania nr 8, w którym zostaliśmy poproszeni o policzenie tylko tych efektów prostych. Idealnie opisany efekt interakcji (np. w pracy dyplomowej) powinien zawierać zarówno opis prostych efektów płci na kolejnych poziomach nastroju (to co już jest) jak i opis efektów prostych nastroju na dwóch poziomach płci (tego nie sprawdzaliśmy). Na kolokwium trzeba jednak bardzo uważać by nie zrobić więcej niż poproszono nas w treści zadania. Dla upewnienia się można dopytać o to prowadzącego.

Masz pytania lub uwagi? Śmiało pisz lub dzwoń! www.pogotowiestatystyczne.pl mail: info@pogotowiestatystyczne.pl tel: 501 599 278