MerQuR+Başvuru Kitabı

9. İki Yönlü ANOVA

Analiz kimliği: anova_two · Menü adı: İki Yönlü ANOVA · Panel: gui/panels/analyses/two_way_anova.py · Motor: stats/hypothesis.py, HypothesisTests.two_way_anova (satır 4680–5138), HypothesisTests._posthoc_pairs (satır 5141–5246) ve stats/anova_rank.py

9.1 Ne işe yarar

İki yönlü ANOVA, iki kategorik faktörün (ör. ilaç ve cinsiyet) sürekli bir bağımlı değişken üzerindeki etkisini aynı modelde sınar. Cevapladığı üç soru vardır: (1) Birinci faktörün düzeyleri arasında ortalama farkı var mı? (2) İkinci faktörün düzeyleri arasında fark var mı? (3) Birinci faktörün etkisi ikinci faktörün düzeyine göre değişiyor mu (etkileşim)?

MerQur'un varsayılan modeli tam faktöriyel hücre ortalamaları modelidir:

y_{ijk}=\mu+\alpha_i+\beta_j+(\alpha\beta)_{ij}+\varepsilon_{ijk},\qquad \varepsilon_{ijk}\sim N(0,\sigma^2)\ \text{bağımsız}
  • y_{ijk}: A faktörünün i. düzeyi ve B faktörünün j. düzeyindeki (hücre ij) k. gözlem.
  • \mu: genel ortalama; \alpha_i: A'nın i. düzeyinin ana etkisi; \beta_j: B'nin j. düzeyinin ana etkisi.
  • (\alpha\beta)_{ij}: etkileşim; hücre ortalamasının ana etkilerin toplamından sapması.
  • i=1,\dots,a; j=1,\dots,b; k=1,\dots,n_{ij}. Tıp örneğinde a=3 ilaç, b=2 cinsiyet, n_{ij}=25.
  • Toplam-sıfır kısıtları: \sum_i\alpha_i=0, \sum_j\beta_j=0, her j için \sum_i(\alpha\beta)_{ij}=0, her i için \sum_j(\alpha\beta)_{ij}=0. Bu kısıtlar III. tür kareler toplamının anlamını belirler (bkz. 9.5.3).

Üç sıfır hipotezi ayrı ayrı sınanır:

H_0^{A}:\ \alpha_1=\dots=\alpha_a=0,\qquad H_0^{B}:\ \beta_1=\dots=\beta_b=0,\qquad H_0^{AB}:\ (\alpha\beta)_{ij}=0\ \ \forall\, i,j

Ne zaman kullanılır? İki faktör de gruplar arası (her kişi tek bir hücrede) ise, bağımlı değişken aralık ya da oran ölçeğindeyse, hücre içi dağılımlar kabaca normal ve varyanslar benzerse.

Ne zaman kullanılmaz?

  • Tek bir faktör varsa: Tek Yönlü ANOVA (Bölüm 7).
  • Aynı kişi faktörün tüm düzeylerinde ölçülmüşse: Tekrarlı Ölçümler ANOVA; bir faktör gruplar arası, öteki denekler içiyse Karma Desen (Split-Plot) ANOVA.
  • Bağımlı değişken birden çok ve birbiriyle ilişkiliyse, ortak sınama için MANOVA (Bölüm 13).
  • Sürekli bir karıştırıcıyı (başlangıç değeri, yaş) düzeltmek temel amaçsa: ANCOVA (Bölüm 14). İki yönlü ANOVA'nın "Kovaryatlar" seçeneği aynı modeli kurar ama düzeltilmiş ortalama ve eğim homojenliği çıktısı ANCOVA modülündedir.
  • Hücre içi dağılımlar belirgin çarpık ve n küçükse: dönüşüm, sağlam (HC3) testler ya da sıralı (rank) yöntemler.
  • Gözlemler kümeli ise (aynı klinik, aynı hekim): Doğrusal Karma Model.

Sık karıştırılan analizler. İki ayrı tek yönlü ANOVA, iki yönlü ANOVA'nın yerini tutmaz: etkileşimi sınamaz ve hata terimi öteki faktörün açıkladığı varyansı içerdiği için daha büyüktür. "Faktöriyel ANOVA" ile "iki yönlü ANOVA" aynı modeldir. Bayesçi ANOVA aynı modeli Bayes çarpanıyla değerlendirir.

9.2 Varsayımlar ve veri türü

Varsayım Ne demek MerQur'da nasıl denetlenir
Bağımsızlık Her gözlem ayrı bir kişiden gelir; hücreler arasında ve içinde gözlemler birbirini etkilemez. Tasarımla sağlanır; denetlenmez.
Normallik Hata terimi \varepsilon_{ijk} normaldir; pratikte model artıkları normal olmalıdır. Varsayılan açık Shapiro–Wilk, tam modelin artıklarına (hypothesis.py:4898–4905).
Varyans eşitliği Tüm a\times b hücrede \sigma^2 aynıdır. Varsayılan açık Levene (hücre bazlı, ortalama merkezli) ve ek Brown–Forsythe satırı (hypothesis.py:4891–4897).
Ölçek Bağımlı değişken sayısal; iki faktörün her biri en az iki düzeyli. Sayıya çevrilemeyen değer eksik sayılır; tek düzeyli faktör hata verir.
Hücre doluluğu III. tür KT için her hücrede en az bir gözlem. Boş hücrede III. tür hata verir; I./II. tür R tanımıyla hesaplanır (stats/anova_rank.py).

Eksik değer. Analiz liste bazında yapılır: df[[faktör1, faktör2, bağımlı, *kovaryatlar]].dropna() (hypothesis.py:4735), ardından bağımlı değişken ve kovaryatlar pd.to_numeric(..., errors="coerce") ile sayıya çevrilip yeniden eksikler atılır (hypothesis.py:4743–4746). Künyedeki n, bu son veri çerçevesinin satır sayısıdır.

Uç durumlar (kod sırasıyla):

  • Eksikler atıldıktan sonra n<6 ise hata: "İki Yönlü ANOVA için en az 6 gözlem gerekir" (hypothesis.py:4736–4737).
  • Faktörlerden biri tek düzeyli kalırsa hata (hypothesis.py:4756–4758); bağımlı değişken sabitse hata (hypothesis.py:4759–4760).
  • Eksik değer içeren sayısal kodlu faktör (1.0, 2.0) tam sayıya çevrilir; düzey adları "1.0" yerine "1" yazılır (hypothesis.py:4749–4751).
  • Boş hücre (eksik ranklı tasarım): III. tür istenirse "boş hücre" hatası; sağlam SH (HC) istenirse hata; I. ve II. tür istenirse KT iç içe model karşılaştırmasıyla, sd rank farkıyla hesaplanır ve sonuç metnine "Tasarımda boş hücre var" notu eklenir (anova_rank.py:39–88, hypothesis.py:4769–4779, 4867–4868).
  • Panel aynı sütunun iki faktör olarak seçilmesini reddeder (stats_panel.py:5109–5111).

9.3 Parametreler

Varsayılanlar two_way_anova.py:37–158 (form) ve read_options (two_way_anova.py:163–201) içinden okunmuştur. Arayüz adları i18n/locales/tr/strings.json içindeki Türkçe etiketlerdir.

Arayüz adı Varsayılan Ne yapar Sonucu nasıl değiştirir
Faktör 1 / Faktör 2 veriye bağlı İki kategorik faktör. Tabloda faktör sırası değişmez; yalnız I. tür KT'de sıra önemlidir (önce Faktör 1).
Bağımlı Değişken ilk sayısal sütun Çoklu seçilebilir. Birden çok sütun seçilirse her biri için ayrı iki yönlü ANOVA yapılır; çoklu karşılaştırma düzeltmesi yoktur (stats_panel.py:5115–5136).
Kareler toplamı (SS) türü III. tür III: toplam-sıfır kontrastlı kısmi KT; II: marjinallik ilkesine uyan KT; I: ardışık KT. Dengeli desende üçü aynıdır; dengesizde ana etkilerin KT'si, F'si ve p'si değişir (9.5.3).
Post-hoc testi Yok Tukey HSD, Bonferroni, Games-Howell, Scheffé, Šidák, LSD, Tamhane T2, Duncan, SNK, REGWQ. Her faktörün gözlenen marjinal ortalamaları arasında ikili karşılaştırma; 2 düzeyli faktör atlanır.
Etki büyüklükleri η²ₚ açık; η² ve ω² kapalı Tablo sütunları. Yalnız ek sütun.
Varsayım kontrolleri Levene açık, Shapiro açık Hücre bazlı Levene + Brown–Forsythe; artıkların Shapiro–Wilk'i. Yalnız bilgi; testi değiştirmez.
Betimsel ortalamalar açık Hücre ve marjinal ortalama, SS, n. Ek bölüm.
Güven Düzeyi %95 %90, %95, %99 ya da özel. EMM GA'ları, basit etki ve ikili karşılaştırma kararları, gözlenen güçte F_{\text{kritik}}.
Kestirilen marjinal ortalamalar kapalı Ağırlıksız hücre ortalamalarından EMM, SH, GA ve düzeltmeli ikili farklar. Ek bölüm ve emm_df tablosu.
Basit etkiler Yok Bir faktörün, ötekinin her düzeyindeki etkisi (F testi + ikili farklar). Ek bölüm.
EMM / basit etki düzeltmesi Bonferroni Bonferroni, Šidák ya da LSD (düzeltmesiz). Yalnız EMM ve basit etki ikili p'lerini etkiler; EMM ve basit etki kapalıyken seçilirse ayar bloğuna "üst seçenek kapalı" notu düşer (two_way_anova.py:240–247).
Model Tam faktöriyel (A × B) "Yalnız ana etkiler (A + B)" etkileşimi modelden çıkarır. Etkileşim KT'si hataya katılır; EMM ve basit etkiler atlanır.
Kovaryatlar boş Sayısal sütunlar modele doğrusal terim olarak eklenir. Ana etki testleri kovaryata göre düzeltilir; post hoc, EMM ve basit etkiler atlanır.
Sağlam SE (HC) Yok HC3 ya da HC0 sağlam kovaryansla Wald F. F ve p değişir; KT, KO ve etki büyüklükleri tabloda boş bırakılır. I. türde uygulanmaz.
Ek çıktı üçü de kapalı Gözlenen güç; parametre kestirimleri; tahmin/artık kaydı. Ek sütun/bölüm; kayıt veri setine PRE_, RES_, ZRE_ sütunları ekler.
Model tanıları kapalı Uyum eksikliği (lack of fit) ve Breusch–Pagan / White testleri. Ek bölüm.
Grafik Etkileşim grafiği Etkileşim, etkileşim + GA, artık–tahmin, artık Q–Q. Yalnız Grafik sekmesi.
Özel kontrast boş L matrisiyle Wald F (gösterge kodlaması, ilk düzey referans). Ek bölüm; KT türünden bağımsızdır.

Motor ile arayüz varsayılanları farklı

Motorun options.get varsayılanları do_levene=False, do_shapiro=False, show_means=False'tur (hypothesis.py:4715–4717); arayüz üçünü de açık gönderir (two_way_anova.py:185–187). Bu bölümdeki varsayılanlar arayüz varsayılanlarıdır. Betik ya da başka modülden doğrudan motor çağrılırsa bu bölümler sessizce düşer.

Neden varsayılan III. tür?

MerQur'un varsayılanı III. türdür (hypothesis.py:4706–4707). III. tür, her ana etkiyi ağırlıksız hücre ortalamalarının eşitliği olarak sınar; dengesiz ama hücre büyüklüklerinin tesadüfi olduğu deneylerde yorumu en açık olanıdır. R'nin anova() işlevi I. türü, car::Anova() II. türü varsayılan alır; aynı veride R çıktısıyla karşılaştırmada bu fark unutulmamalıdır.

9.4 Tıp örneği

Dosya: english/datasets/Tip/07_two_way_anova_drug_sex.xlsx (Türkçe kopyası samples/Tum_Analiz_Tip/07_iki_yonlu_anova_ilac_cinsiyet.xlsx). Değişken seçimi VIDEO_SCRIPT_TR.txt #7 bölümünden alınmıştır.

Değişken Rol Tür Açıklama
drug Faktör 1 metin, 3 düzey drug-A, drug-B, drug-C (her biri 50 hasta)
sex Faktör 2 metin, 2 düzey female, male (her biri 75 hasta)
bp_change Bağımlı Değişken sürekli Sistolik kan basıncı değişimi (mmHg; negatif değer düşüştür)
patient_id kullanılmaz

n ve eksik değer: 150 hasta, eksik değer yok. Her hücrede n_{ij}=25; desen dengelidir.

Klinik soru: Üç antihipertansif ilaç kan basıncını farklı düşürüyor mu? Kadın ve erkeklerde yanıt farklı mı? İlacın etkisi cinsiyete göre değişiyor mu?

Seçilen ayarlar: Arayüz varsayılanları (III. tür, η²ₚ, Levene, Shapiro, betimsel ortalamalar, %95). Ek çıktıların sayısal yürüyüşü için ikinci bir çalıştırmada η², ω², Tukey HSD, EMM, her iki basit etki, gözlenen güç ve parametre kestirimleri açılmıştır.

Dengesiz alt örnek (öğretim için). Tıp verisi dengeli olduğundan üç KT türü burada aynı sonucu verir. KT türlerinin farkını göstermek için belirlenimci bir alt örnek kurulmuştur: (drug-A, female) hücresinden ilk 10, (drug-C, male) hücresinden ilk 5 hasta çıkarılmıştır; n=135, hücre büyüklükleri 15, 25, 25, 25, 25, 20. Bu alt örnek yalnız 9.5.3 ve 9.6'daki KT karşılaştırmasında kullanılır.

Şekil 9.1. Etkileşim grafiği. Noktalar hücre ortalamaları, çubuklar tam modelin hata KO'suyla kurulmuş %95 GA'dır. Çizgilerin paralel olmaması etkileşimi gösterir: ilaç B kadınlarda, ilaç A erkeklerde göreli olarak daha etkilidir.

9.5 Formüller ve hesap adımları

MerQur'un hesap sırası şudur: (1) liste bazında eksikleri at, uç durumları denetle; (2) statsmodels ols ile modeli kur: III. türde _y_ ~ C(_f1_, Sum) + C(_f2_, Sum) + C(_f1_, Sum):C(_f2_, Sum), I./II. türde gösterge kodlamalı aynı formül (hypothesis.py:4763–4768); (3) anova_tablosu ile seçilen türde KT tablosunu al (tam ranklı tasarımda statsmodels anova_lm, boş hücrede R tanımı); (4) F, p ve etki büyüklüklerini hesapla; (5) Levene, Shapiro, ortalamalar, post hoc, EMM, basit etkiler ve ek çıktıları sırayla ekle.

9.5.1 Hücre ortalamaları ve kareler toplamının ayrışması

\bar y_{ij\cdot}=\frac{1}{n_{ij}}\sum_{k}y_{ijk},\qquad \bar y_{\cdots}=\frac{1}{N}\sum_{i,j,k}y_{ijk},\qquad \mathrm{KT}_T=\sum_{i,j,k}\left(y_{ijk}-\bar y_{\cdots}\right)^2
  • \bar y_{ij\cdot}: hücre ortalaması; \bar y_{\cdots}: büyük ortalama; N=\sum n_{ij}.
  • \mathrm{KT}_T: düzeltilmiş toplam kareler toplamı (statsmodels centered_tss, hypothesis.py:4789). η² ve ω²'nin paydası budur.

Hata (grup içi) KT, gözlemlerin kendi hücre ortalamasından sapmasıdır; tam faktöriyel modelin artık KT'sine eşittir:

\mathrm{KT}_H=\sum_{i,j,k}\left(y_{ijk}-\bar y_{ij\cdot}\right)^2,\qquad \sd_H=N-ab,\qquad \mathrm{KO}_H=\frac{\mathrm{KT}_H}{N-ab}
  • \mathrm{KT}_H: hata KT; \sd_H: hata serbestlik derecesi (her hücrede bir ortalama kestirildiği için ab düşülür).
  • \mathrm{KO}_H: hata kareler ortalaması (MSE); \sigma^2'nin yansız kestiricisi. Tüm F testlerinin ortak paydasıdır.

Dengeli desende (n_{ij}=n) ana etki ve etkileşim KT'leri marjinal ortalamalardan kapalı biçimde yazılır:

\begin{gathered}\mathrm{KT}_A=bn\sum_{i}\left(\bar y_{i\cdot\cdot}-\bar y_{\cdots}\right)^2,\qquad \mathrm{KT}_B=an\sum_{j}\left(\bar y_{\cdot j\cdot}-\bar y_{\cdots}\right)^2\\[4pt] \mathrm{KT}_{AB}=n\sum_{i,j}\left(\bar y_{ij\cdot}-\bar y_{\cdots}\right)^2-\mathrm{KT}_A-\mathrm{KT}_B\end{gathered}
  • \bar y_{i\cdot\cdot}: A'nın i. düzeyinin marjinal ortalaması (o düzeydeki bn gözlemin ortalaması); \bar y_{\cdot j\cdot}: B'nin j. düzeyinin marjinal ortalaması.
  • n\sum(\bar y_{ij\cdot}-\bar y_{\cdots})^2: hücreler arası KT; ab-1 sd'li bu toplam, A, B ve AB'ye ayrışır.
  • Dengeli desende \mathrm{KT}_T=\mathrm{KT}_A+\mathrm{KT}_B+\mathrm{KT}_{AB}+\mathrm{KT}_H tam olarak sağlanır; dengesiz desende sağlanmaz.

Neden dengesiz desende toplam tutmuyor?

Dengeli desende A, B ve AB'yi temsil eden tasarım sütunları birbirine diktir; her terimin açıkladığı varyans öbürlerinden bağımsızdır ve sıradan bağımsız tek bir parçalanma vardır. Hücre büyüklükleri eşit değilse sütunlar dik değildir: A ile B kısmen aynı varyansı açıklar. Bu ortak payı kime yazacağımız sorusuna verilen üç farklı cevap I., II. ve III. tür kareler toplamlarıdır (Yates 1934; Shaw ve Mitchell-Olds 1993).

9.5.2 F testleri

F_A=\frac{\mathrm{KT}_A/(a-1)}{\mathrm{KO}_H},\qquad F_B=\frac{\mathrm{KT}_B/(b-1)}{\mathrm{KO}_H},\qquad F_{AB}=\frac{\mathrm{KT}_{AB}/\left[(a-1)(b-1)\right]}{\mathrm{KO}_H}
p=P\!\left(F_{\sd_1,\,\sd_H}\ge F\right)
  • Pay serbestlik dereceleri: A için a-1, B için b-1, AB için (a-1)(b-1); payda \sd_H=N-ab.
  • p: üst kuyruk olasılığı (statsmodels anova_lm içinde f.sf). Tabloda p\ge10^{-6} ise 6 ondalık, daha küçükse 4 anlamlı basamak saklanır (_p_sig, hypothesis.py:127–136).

Neden üç testin paydası aynı \mathrm{KO}_H?

Sabit etkili modelde H₀ doğruysa her terimin kareler ortalaması da \sigma^2'yi kestirir; \mathrm{KO}_H ise H₀'dan bağımsız olarak \sigma^2'yi kestirir. Oranları, normallik altında merkezî F dağılımına uyar. Faktörlerden biri rastgele etkili olsaydı (ör. rastgele seçilmiş klinikler) ana etkinin paydası \mathrm{KO}_{AB} olurdu; MerQur bu modülde her iki faktörü sabit kabul eder. Rastgele faktörlü desenler için Doğrusal Karma Model ya da Varyans Bileşenleri kullanılır.

Sonuç nesnesinin ana istatistiği (statistic) genel modelin F'sidir (model.fvalue, sd ab-1 ve N-ab); effect_size alanı R^2=1-\mathrm{KT}_H/\mathrm{KT}_T'dir (hypothesis.py:5122–5128). Karar satırı ("H₀ REDDEDİLİR"), terimlerden en az biri p<\alpha ise reddedildi yazar (hypothesis.py:4855–4858); terim bazında karar tabloda okunur.

9.5.3 I., II. ve III. tür kareler toplamı

Üç tür, aynı tam modelin artık KT'sini kullanır; farkları, bir terimin KT'sinin hangi alt modelle karşılaştırılarak bulunduğudur. \mathrm{R}(\cdot) "modelin açıkladığı KT"yi, \mathrm{R}(B\mid A) "A modeldeyken B'nin eklenmesiyle açıklanan ek KT"yi gösterir.

Terim I. tür (ardışık) II. tür III. tür
A \mathrm{R}(A\mid\mu) \mathrm{R}(A\mid\mu,B) \mathrm{R}(A\mid\mu,B,AB), toplam-sıfır kodlamayla
B \mathrm{R}(B\mid\mu,A) \mathrm{R}(B\mid\mu,A) \mathrm{R}(B\mid\mu,A,AB), toplam-sıfır kodlamayla
AB \mathrm{R}(AB\mid\mu,A,B) \mathrm{R}(AB\mid\mu,A,B) \mathrm{R}(AB\mid\mu,A,B)
  • I. tür terimleri formül sırasıyla ekler; A'nın KT'si B'ye göre düzeltilmez. Faktör 1 ile Faktör 2'nin yeri değişirse ana etki satırları değişir.
  • II. tür marjinallik ilkesine uyar: bir ana etki, onu içeren etkileşim modeldeyken sınanmaz. Etkileşim yoksa en güçlü ana etki testidir (Langsrud 2003).
  • III. tür her terimi, öteki tüm terimler (etkileşim dahil) modeldeyken sınar. Bu, yalnız toplam-sıfır kodlamada anlamlıdır: o zaman A'nın III. tür hipotezi, ağırlıksız marjinal ortalamaların, \frac1b\sum_j\mu_{ij}, eşitliğidir.
  • Etkileşim satırı üç türde de aynıdır (en son eklenen, en yüksek dereceli terim).

Koddaki tercih: III. türde Sum kontrastı zorunlu

ss_typ == 3 ise formül C(_f1_, Sum) ile kurulur (hypothesis.py:4763–4764). statsmodels'in varsayılan gösterge (treatment) kodlamasıyla III. tür istenseydi, A'nın KT'si "B'nin referans düzeyinde A'nın etkisi"ni sınayan anlamsız bir hipoteze karşılık gelirdi. R'de aynı sonuç için options(contrasts = c("contr.sum", "contr.poly")) ile car::Anova(type = 3) gerekir. I. ve II. türde kodlama sonucu değiştirmez.

Koddaki tercih: boş hücre (eksik rank)

statsmodels anova_lm, boş hücreli tasarımda etkileşim sd'sini sütun sayısından alır ve fazla verir. MerQur bu yüzden anova_rank.anova_tablosu'nu kullanır: işlev önce tasarım matrisinin rankını denetler (anova_rank.py:34–36); eksik ranklıysa I. türü ardışık iç içe modellerin artık KT farkıyla, II. türü "terim + onu içermeyen terimler" ile "onu içermeyen terimler" modellerinin farkıyla, sd'yi rank farkıyla hesaplar (anova_rank.py:62–74). Bu, R anova.lm ve car::Anova(type = 2) tanımıdır. III. tür boş hücrede tahmin edilebilir değildir; MerQur hata verir (R car::Anova da "aliased coefficients" ile durur).

Dengesiz alt örnekte üç türün sonucu Şekil 9.2'de ve 9.6, Adım 9'da verilmiştir.

Şekil 9.2. Dengesiz alt örnekte (n = 135) üç KT türü. Etkileşim KT'si üç türde aynıdır; drug ve sex ana etkileri türe göre değişir. Dengeli tam veride üç çubuk her terimde eşit olurdu.

9.5.4 Etki büyüklükleri

\eta^2_p=\frac{\mathrm{KT}_{\text{etki}}}{\mathrm{KT}_{\text{etki}}+\mathrm{KT}_H},\qquad \eta^2=\frac{\mathrm{KT}_{\text{etki}}}{\mathrm{KT}_T},\qquad \omega^2=\max\!\left\{0,\ \frac{\mathrm{KT}_{\text{etki}}-\sd_{\text{etki}}\,\mathrm{KO}_H}{\mathrm{KT}_T+\mathrm{KO}_H}\right\}
  • \eta^2_p (kısmi eta kare): etkinin, kendisi ve hata toplamına oranı; öteki etkilerin varyansı paydadan çıkarılmıştır (hypothesis.py:4825–4826).
  • \eta^2: etkinin düzeltilmiş toplam KT'ye oranı (hypothesis.py:4827–4828).
  • \omega^2: \eta^2'nin evren değerine göre yukarı yanlılığını azaltan kestirici; negatif çıkarsa 0'a kırpılır (hypothesis.py:4829–4831).

Neden η² ve ω² paydası düzeltilmiş toplam KT?

III. tür tablosunda statsmodels bir de "Intercept" satırı döndürür; satırların toplamı alınsaydı payda kesişim KT'sini de içerir ve η² yapay olarak küçük çıkardı. Dengesiz II. türde de satır toplamı düzeltilmiş toplama eşit değildir. Bu yüzden kod paydayı doğrudan model.centered_tss alır (hypothesis.py:4786–4789). Buradaki \omega^2, tek yönlü ANOVA formülünün her terime uygulanmış biçimidir (Olejnik ve Algina 2003'ün genelleştirilmiş ω²'si değildir). Kısmi \omega^2_p seçeneği yoktur.

Panel η²ₚ kutusu kapatılırsa sonuç metnindeki etki büyüklüğü sırayla η², sonra ω² olur (hypothesis.py:4861); APA satırı da aynı ölçüyü kendi etiketiyle (η²p, η² ya da ω²) yazar.

9.5.5 Varsayım testleri

Levene (hücre bazlı). ab hücrenin her biri ayrı grup sayılır; yalnız n_{ij}>1 olan hücreler alınır (hypothesis.py:4894). Bölüm 5.5.3'teki ortalama merkezli Levene formülü k=ab grupla uygulanır:

z_{ijk}=\left|y_{ijk}-\bar y_{ij\cdot}\right|,\qquad W=\frac{(N-ab)\sum_{ij}n_{ij}\left(\bar z_{ij}-\bar z\right)^2}{(ab-1)\sum_{ijk}\left(z_{ijk}-\bar z_{ij}\right)^2}\ \sim\ F_{ab-1,\,N-ab}

Medyan merkezli Brown–Forsythe satırı ek bilgi olarak yazılır (_levene_lines, hypothesis.py:393–405). Bu tanım R car::leveneTest(y ~ A*B, center = mean) ile aynıdır.

Shapiro–Wilk, tam modelin artıkları e_{ijk}=y_{ijk}-\bar y_{ij\cdot} üzerinde tek test olarak yapılır (scipy.stats.shapiro(model.resid)). Hücre başına ayrı test yapılmaz.

9.5.6 Post hoc karşılaştırmalar (gözlenen marjinal ortalamalar)

Post hoc testleri her faktörün gözlenen marjinal ortalamaları (\bar y_{i\cdot\cdot}; o düzeydeki tüm gözlemlerin ortalaması) üzerinde, tam modelin \mathrm{KO}_H ve \sd_H'si ile yapılır (_posthoc_pairs, hypothesis.py:5141–5246). İki düzeyli faktör atlanır.

\SH_{ij}=\sqrt{\mathrm{KO}_H\left(\frac{1}{n_{i}}+\frac{1}{n_{j}}\right)},\qquad q_{ij}=\frac{\left|\bar y_i-\bar y_j\right|}{\SH_{ij}/\sqrt2},\qquad p_{\text{Tukey}}=P\!\left(Q_{a,\,\sd_H}\ge q_{ij}\right)
  • n_i: A'nın i. düzeyindeki toplam gözlem; \bar y_i: gözlenen marjinal ortalama.
  • Q_{a,\sd_H}: a grup ve \sd_H sd'li stüdentlaştırılmış aralık dağılımı (scipy.stats.studentized_range.sf).
  • Bonferroni: p=\min\{1,\ m\cdot 2P(T_{\sd_H}\ge|t|)\}, m=a(a-1)/2; GA t_{1-\alpha/(2m),\,\sd_H} ile.
  • Scheffé: p=P\!\left(F_{a-1,\sd_H}\ge t^2/(a-1)\right); Šidák: p=1-(1-p_0)^m; LSD: düzeltmesiz p_0.

Koddaki tercih: gözlenen ortalama, model hatası, iki farklı sıralama

Tukey HSD, Bonferroni, Scheffé, Šidák, LSD, Duncan, SNK ve REGWQ gözlenen marjinal ortalamaları ve tam modelin \mathrm{KO}_H'sini kullanır. Games-Howell ve Tamhane T2 tanımı gereği grup varyanslarını kullanır ve her faktörün marjinal grupları üzerinde tek yönlü hesaplanır; öteki faktör ve etkileşim yok sayılır, bunu sonuç metni açıkça yazar (hypothesis.py:4947–4951). Bütün yöntemler düzeyleri MerQur'un ortak düzey sırasıyla dizer (Veri sekmesinde tanımlı sıra, yoksa sayısal/doğal sıra, o da yoksa verideki ilk görülme sırası; Bölüm 7.5.1); Games–Howell çiftleri de bu sıraya yönlendirilir. Fark yönü yöntemden bağımsızdır ve her faktör için kullanılan sıra çıktıda yazılır. Kovaryat seçiliyse post hoc atlanır (hypothesis.py:4943–4944).

9.5.7 Kestirilen marjinal ortalamalar (EMM)

EMM, hücre ortalamalarının ağırlıksız ortalamasıdır. A'nın i. düzeyi için:

\widehat{\mathrm{EMM}}_{i}=\frac{1}{b}\sum_{j=1}^{b}\bar y_{ij\cdot},\qquad \SH\!\left(\widehat{\mathrm{EMM}}_{i}\right)=\frac{1}{b}\sqrt{\mathrm{KO}_H\sum_{j=1}^{b}\frac{1}{n_{ij}}}
\SH\!\left(\widehat{\mathrm{EMM}}_{i}-\widehat{\mathrm{EMM}}_{i'}\right)=\frac{1}{b}\sqrt{\mathrm{KO}_H\sum_{j}\left(\frac{1}{n_{ij}}+\frac{1}{n_{i'j}}\right)},\qquad t=\frac{\widehat{\mathrm{EMM}}_{i}-\widehat{\mathrm{EMM}}_{i'}}{\SH},\quad \sd=\sd_H
  • Hücre ortalamaları bağımsızdır ve her birinin varyansı \sigma^2/n_{ij}'dir; ağırlıksız ortalamanın varyansı bu yüzden \frac{1}{b^2}\sum_j\sigma^2/n_{ij} olur.
  • GA: \widehat{\mathrm{EMM}}\pm t_{1-\alpha/2,\,\sd_H}\,\SH (düzeltmesiz). İkili p'ye Bonferroni (p\cdot m), Šidák (1-(1-p)^m) ya da LSD uygulanır (hypothesis.py:4984–4990).
  • Dengeli desende EMM, gözlenen marjinal ortalamaya eşittir; dengesizde ayrılır.

Neden ağırlıksız ortalama?

III. tür ana etki testi ağırlıksız marjinal ortalamaların eşitliğini sınar; EMM o hipotezin nokta kestirimidir (Searle, Speed ve Milliken 1980). Gözlenen marjinal ortalama ise hücre büyüklükleriyle ağırlıklıdır; örneklemde kadınların bir ilaç grubunda az olması, o ilacın marjinal ortalamasını erkeklere doğru çeker. Hücre büyüklükleri evrendeki oranları yansıtmıyorsa (deneylerde çoğu kez böyledir) EMM daha anlamlıdır. Bu tanım R emmeans(m, ~ A) ile aynıdır.

EMM ve basit etkiler yalnız tam faktöriyel, kovaryatsız modelde ve tüm hücreler doluyken hesaplanır (hypothesis.py:4969–4978).

9.5.8 Basit etkiler

A'nın etkisi, B'nin j. düzeyinde, o düzeydeki a hücre ortalamasının eşitliği olarak sınanır; payda yine tam modelin \mathrm{KO}_H'sidir:

\bar y^{w}_{\cdot j}=\frac{\sum_i n_{ij}\bar y_{ij\cdot}}{\sum_i n_{ij}},\qquad F_{A\mid B=j}=\frac{\sum_i n_{ij}\left(\bar y_{ij\cdot}-\bar y^{w}_{\cdot j}\right)^2/(a-1)}{\mathrm{KO}_H}\ \sim\ F_{a-1,\,\sd_H}
  • \bar y^{w}_{\cdot j}: B'nin j. düzeyinde hücre büyüklükleriyle ağırlıklı ortalama.
  • Pay, yalnız B =j alt kümesinde yapılmış tek yönlü ANOVA'nın gruplar arası KT'sidir; payda alt kümenin değil tam modelin hata KO'sudur (hypothesis.py:5036–5047). Bu, hücre ortalamaları modelinde \mu_{1j}=\dots=\mu_{aj} hipotezinin Wald F testidir; R emmeans::joint_tests(m, by = "B") ile aynıdır.
  • Basit etkinin \eta^2_p=\mathrm{KT}_{\text{basit}}/(\mathrm{KT}_{\text{basit}}+\mathrm{KT}_H).
  • Her düzeydeki ikili farkların SH'si \sqrt{\mathrm{KO}_H(1/n_{ij}+1/n_{i'j})}; p seçilen yöntemle düzeltilir. Düzeltme her düzeyin kendi çift sayısına göredir; tüm düzeyler boyunca toplam aile düzeltmesi yapılmaz.

9.5.9 Gözlenen güç, parametreler ve sağlam test

Gözlenen güç (hypothesis.py:4839–4844):

\lambda=F\cdot\sd_{\text{etki}},\qquad \text{güç}=P\!\left(F'_{\sd_{\text{etki}},\,\sd_H,\,\lambda}>F_{1-\alpha;\,\sd_{\text{etki}},\,\sd_H}\right)

Burada F' merkezî olmayan F dağılımıdır. Gözlenen güç gözlenen p'nin bire bir dönüşümüdür ve ek bilgi taşımaz (Hoenig ve Heisey 2001); MerQur da bunu çıktıda not eder.

Parametre kestirimleri (hypothesis.py:5067–5102): ayrı bir OLS, gösterge kodlamasıyla ve her faktörün son düzeyi (düzey sırasında) referans alınarak kurulur. Sabit terim referans hücrenin (drug-C, male) ortalamasıdır; ana etki katsayıları referans düzeye göre farklardır; etkileşim katsayıları "farkların farkı"dır. Bu tablo KT türünden bağımsızdır.

Sağlam (HC) test (hypothesis.py:4720–4730, 4832–4838): anova_lm(model, typ, robust="hc3"), katsayıların HC3 kovaryansıyla her terim için Wald F=\hat{\boldsymbol\theta}^{\top}(\mathbf L\hat{\mathbf V}_{HC}\mathbf L^{\top})^{-1}\hat{\boldsymbol\theta}/q hesaplar. Bu yolda statsmodels KT sütununu F\cdot\sd\cdot\mathrm{KO}_H'den geri türetir; bu bir kareler toplamı değildir, MerQur KT, KO ve etki büyüklüklerini boş bırakır. I. türde sağlam test tanımlı değildir; MerQur uyarı yazar ve klasik tabloyu verir. Tanım R car::Anova(m, type = 3, white.adjust = "hc3") ile aynıdır (Long ve Ervin 2000).

9.6 Elle hesap: Tıp verisinde sayısal yürüyüş

Aşağıdaki değerler dogrulama/anova_two/elle_hesap.py ile, MerQur ve statsmodels çağrılmadan numpy ile hesaplanmıştır (dengesiz örnekte KT'ler, kodlanmış tasarım matrisleri ve lstsq ile iç içe modellerden). Metinde 4–6 ondalık gösterilir.

Adım 1 — Hücre ve marjinal ortalamalar. Büyük ortalama \bar y_{\cdots}=-2538{,}9/150=-16{,}926.

female male Marjinal (n=50)
drug-A −9,260 (SS 5,306) −15,788 (SS 5,049) −12,524
drug-B −22,796 (SS 5,668) −19,796 (SS 6,478) −21,296
drug-C −14,548 (SS 5,524) −19,368 (SS 5,868) −16,958
Marjinal (n=75) −15,534667 −18,317333 −16,926

Adım 2 — Ana etki KT'leri (dengeli formül).

\begin{gathered}\mathrm{KT}_A=2\cdot25\left[(4{,}402)^2+(-4{,}370)^2+(-0{,}032)^2\right]=50\times38{,}475524=1923{,}7764\\[4pt] \mathrm{KT}_B=3\cdot25\left[(1{,}391333)^2+(-1{,}391333)^2\right]=75\times3{,}871617=290{,}3713\end{gathered}

Adım 3 — Hücreler arası KT ve etkileşim KT.

\mathrm{KT}_{\text{hücre}}=25\sum_{ij}\left(\bar y_{ij\cdot}+16{,}926\right)^2=2859{,}3662,\qquad \mathrm{KT}_{AB}=2859{,}3662-1923{,}7764-290{,}3713=645{,}2185

Adım 4 — Hata KT ve KO. Hücre içi sapma kareleri toplamı \mathrm{KT}_H=4624{,}4624; \sd_H=150-6=144; \mathrm{KO}_H=4624{,}4624/144=32{,}114322. Düzeltilmiş toplam \mathrm{KT}_T=2859{,}3662+4624{,}4624=7483{,}8286.

Adım 5 — F, p ve etki büyüklükleri.

Kaynak KT sd KO F p \eta^2_p \eta^2 \omega^2
drug 1923,7764 2 961,8882 29,9520 1{,}33\times10^{-11} 0,2938 0,2571 0,2474
sex 290,3713 1 290,3713 9,0418 0,003115 0,0591 0,0388 0,0344
drug × sex 645,2185 2 322,6093 10,0457 8{,}24\times10^{-5} 0,1224 0,0862 0,0773
Hata 4624,4624 144 32,1143

Örnek olarak drug için: F=961{,}8882/32{,}114322=29{,}9520; \eta^2_p=1923{,}7764/(1923{,}7764+4624{,}4624)=0{,}293785; \omega^2=(1923{,}7764-2\times32{,}114322)/(7483{,}8286+32{,}114322)=1859{,}5478/7515{,}9429=0{,}247414. Genel model: R^2=2859{,}3662/7483{,}8286=0{,}382073, F(5,\,144)=(2859{,}3662/5)/32{,}114322=17{,}8074.

Etkileşim anlamlıdır (p<0{,}001); bu yüzden ana etkiler tek başına yorumlanmamalıdır. Şekil 9.1'de kadınlarda en büyük düşüş B ilacında (-22{,}8), erkeklerde B ve C ilaçlarında (-19{,}8 ve -19{,}4) görülür; A ilacı kadınlarda belirgin biçimde zayıftır (-9{,}3).

Adım 6 — Varsayım testleri. Hücre bazlı Levene: W=0{,}474585, F_{5,\,144} altında p=0{,}794750; Brown–Forsythe W=0{,}365699, p=0{,}871364. Artıkların Shapiro–Wilk testi W=0{,}98898, p=0{,}28661. Üç varsayım testi de ihlal göstermez.

Adım 7 — Basit etkiler ve EMM. Kadınlarda ilaç etkisi: ağırlıklı ortalama -15{,}534667,

F_{\text{drug}\mid\text{female}}=\frac{25\left[(6{,}274667)^2+(-7{,}261333)^2+(0{,}986667)^2\right]/2}{32{,}114322}=\frac{1163{,}403}{32{,}114322}=36{,}2268

(p=1{,}80\times10^{-13}). Erkeklerde F=3{,}7709 (p=0{,}0253). Cinsiyet etkisi A ilacında F(1,\,144)=16{,}5871 (p=7{,}64\times10^{-5}), B'de 3{,}5031 (p=0{,}0633), C'de 9{,}0429 (p=0{,}0031). İlaç EMM'lerinin SH'si \tfrac12\sqrt{32{,}114322\times(1/25+1/25)}=0{,}801428; cinsiyet EMM'lerinin SH'si \tfrac13\sqrt{32{,}114322\times3/25}=0{,}654363. Dengeli desende EMM'ler gözlenen marjinal ortalamalara eşittir.

Adım 8 — Post hoc ve gözlenen güç. Tukey HSD (gözlenen marjinal, \mathrm{KO}_H ile): A−B için q=8{,}772/\sqrt{32{,}114322/2\times(2/50)}=8{,}772/0{,}801428=10{,}9454, p=4{,}8\times10^{-12}; A−C p=0{,}000411; B−C p=0{,}000561. Gözlenen güç: drug \lambda=59{,}904, güç \approx1{,}0000; sex \lambda=9{,}0418, güç 0{,}8478; etkileşim \lambda=20{,}0913, güç 0{,}9838.

Adım 9 — Dengesiz alt örnekte üç KT türü (n=135, \sd_H=129, \mathrm{KO}_H=31{,}879277).

Terim I. tür KT (F) II. tür KT (F) III. tür KT (F)
drug 1548,4689 (24,2864) 1663,1288 (26,0848) 1839,7158 (28,8544)
sex 280,8474 (8,8097) 280,8474 (8,8097) 376,9089 (11,8230)
drug × sex 721,6810 (11,3190) 721,6810 (11,3190) 721,6810 (11,3190)

Gözlemler: (i) Etkileşim satırı üç türde aynıdır. (ii) sex, formülde ikinci olduğu için I. ve II. türde aynıdır: ikisi de \mathrm{R}(B\mid\mu,A)'dır. (iii) drug'ın I. tür KT'si sex'e göre düzeltilmemiştir. (iv) III. tür, etkileşim güçlü olduğundan ana etkileri II. türden belirgin biçimde ayırır; burada ana etki hipotezleri ağırlıksız hücre ortalamalarına göredir.

9.6.1 Doğrulama: MerQur, Python ve R

MerQur değerleri execute() sonuç nesnesinin tablolarından (anova_df, emm_df, simple_effects_df, params_df) alınmıştır. Doğrulama sırasında stats.hypothesis ad alanındaki round() yalnız bellekte etkisizleştirilmiştir (dogrulama/anova_two/merqur_calistir.py); hesap mantığı değişmemiştir. Yalnız metinde yazılan değerlerde (Levene, Shapiro, Tukey ve Bonferroni p) MerQur'un gösterdiği ondalıkta eşleşme aranmıştır. 10^{-6}'dan küçük p değerlerini MerQur tasarım gereği 4 anlamlı basamakla saklar (_p_sig); bunlar o basamakta karşılaştırılmıştır. R: 4.5.3, lm + anova (I. tür), car::Anova(type = 2/3) (contr.sum), car::leveneTest(center = mean/median), shapiro.test, emmeans + pairs(adjust = "bonferroni"), hücre ortalamaları modelinde car::linearHypothesis (basit etkiler), TukeyHSD, car::Anova(white.adjust = "hc3").

Ana tablo ve varsayım testleri (dengeli veri, tüm seçenekler):

Büyüklük MerQur Python (bağımsız) R 4.5.3 En büyük fark Durum
KT (drug) 1923,776400 1923,776400 1923,776400 9,3e−12 ✓
F (drug) 29,952001 29,952001 29,952001 9,9e−14 ✓
p (drug) 1,3290·10−11 1,3288·10−11 1,3288·10−11 1,2e−24 ✓ (4 anlamlı basamak)
\eta^2_p (drug) 0,293785 0,293785 0,293785 3,9e−16 ✓
\eta^2 (drug) 0,257058 0,257058 0,257058 2,8e−16 ✓
\omega^2 (drug) 0,247414 0,247414 0,247414 5,6e−16 ✓
KT (sex) 290,371267 290,371267 290,371267 1,1e−12 ✓
F (sex) 9,041800 9,041800 9,041800 2,0e−14 ✓
p (sex) 0,003115 0,003115 0,003115 6,5e−18 ✓
\eta^2_p (sex) 0,059081 0,059081 0,059081 1,4e−16 ✓
\eta^2 (sex) 0,038800 0,038800 0,038800 1,5e−16 ✓
\omega^2 (sex) 0,034361 0,034361 0,034361 9,0e−17 ✓
KT (drug × sex) 645,218533 645,218533 645,218533 3,3e−12 ✓
F (drug × sex) 10,045651 10,045651 10,045651 5,2e−14 ✓
p (drug × sex) 8,2402·10−5 8,2402·10−5 8,2402·10−5 6,9e−18 ✓
\eta^2_p (drug × sex) 0,122440 0,122440 0,122440 1,2e−15 ✓
\eta^2 (drug × sex) 0,086215 0,086215 0,086215 5,3e−16 ✓
\omega^2 (drug × sex) 0,077301 0,077301 0,077301 5,4e−16 ✓
Hata KT 4624,462400 4624,462400 4624,462400 0,0e+00 ✓
Hata KO (MSE) 32,114322 32,114322 32,114322 2,8e−14 ✓
Model F (sd 5, 144) 17,807421 17,807421 17,807421 2,1e−14 ✓
Model p 1,0201·10−13 1,0201·10−13 1,0201·10−13 5,2e−27 ✓
R^2 0,382073 0,382073 0,382073 3,3e−16 ✓
Levene W (hücre, ortalama) 0,4746 0,474585 0,474585 7,8e−16 ✓ (4 ondalık)
Levene p 0,7947 0,794750 0,794750 1,6e−15 ✓ (4 ondalık)
Brown–Forsythe W 0,3657 0,365699 0,365699 3,9e−16 ✓ (4 ondalık)
Shapiro–Wilk W (artık) 0,9890 0,988981 0,988981 6,9e−11 ✓ (4 ondalık)
Shapiro–Wilk p (artık) 0,2866 0,286614 0,286614 4,9e−09 ✓ (4 ondalık)
Gözlenen güç (drug) 1,000000 1,000000 1,000000 7,8e−12 ✓
Gözlenen güç (sex) 0,847762 0,847762 0,847762 8,0e−11 ✓
Gözlenen güç (drug × sex) 0,983821 0,983821 0,983821 2,7e−10 ✓

EMM, basit etkiler, post hoc, parametreler ve HC3:

Büyüklük MerQur Python (bağımsız) R 4.5.3 En büyük fark Durum
EMM (drug-A) −12,524000 −12,524000 −12,524000 1,8e−15 ✓
EMM SH (drug-A) 0,801428 0,801428 0,801428 3,3e−16 ✓
EMM %95 GA alt (drug-A) −14,108082 −14,108082 −14,108082 9,5e−12 ✓
EMM (drug-B) −21,296000 −21,296000 −21,296000 0,0e+00 ✓
EMM SH (drug-B) 0,801428 0,801428 0,801428 3,3e−16 ✓
EMM %95 GA alt (drug-B) −22,880082 −22,880082 −22,880082 9,6e−12 ✓
EMM (drug-C) −16,958000 −16,958000 −16,958000 3,6e−15 ✓
EMM SH (drug-C) 0,801428 0,801428 0,801428 3,3e−16 ✓
EMM %95 GA alt (drug-C) −18,542082 −18,542082 −18,542082 9,5e−12 ✓
EMM (female) −15,534667 −15,534667 −15,534667 3,4e−14 ✓
EMM SH (female) 0,654363 0,654363 0,654363 0,0e+00 ✓
EMM %95 GA alt (female) −16,828064 −16,828064 −16,828064 7,7e−12 ✓
EMM (male) −18,317333 −18,317333 −18,317333 3,6e−14 ✓
EMM SH (male) 0,654363 0,654363 0,654363 0,0e+00 ✓
EMM %95 GA alt (male) −19,610731 −19,610731 −19,610731 7,8e−12 ✓
EMM farkı Bonferroni p (drug-A − drug-B) < 0,0001 4,8089·10−12 4,8089·10−12 3,6e−25 ✓ (MerQur alt sınır)
EMM farkı Bonferroni p (drug-A − drug-C) 0,0004 0,000422 0,000422 2,3e−17 ✓ (4 ondalık)
EMM farkı Bonferroni p (drug-B − drug-C) 0,0006 0,000577 0,000577 1,6e−17 ✓ (4 ondalık)
Basit etki F (drug; sex = female) 36,226794 36,226794 36,226794 2,8e−14 ✓
Basit etki p (drug; sex = female) 1,8020·10−13 1,8023·10−13 1,8023·10−13 4,1e−27 ✓ (4 anlamlı basamak)
Basit etki F (drug; sex = male) 3,770858 3,770858 3,770858 2,7e−15 ✓
Basit etki p (drug; sex = male) 0,025339 0,025339 0,025339 9,3e−16 ✓
Basit etki F (sex; drug = drug-A) 16,587141 16,587141 16,587141 1,1e−14 ✓
Basit etki p (sex; drug = drug-A) 7,6396·10−5 7,6396·10−5 7,6396·10−5 1,5e−18 ✓
Basit etki F (sex; drug = drug-B) 3,503110 3,503110 3,503110 4,0e−15 ✓
Basit etki p (sex; drug = drug-B) 0,063282 0,063282 0,063282 1,4e−15 ✓
Basit etki F (sex; drug = drug-C) 9,042850 9,042850 9,042850 1,2e−14 ✓
Basit etki p (sex; drug = drug-C) 0,003113 0,003113 0,003113 6,6e−17 ✓
Tukey p (drug-A − drug-B) < 0,0001 4,7971·10−12 4,7611·10−12 3,6e−14 ✓ (MerQur alt sınır; mutlak 10⁻¹²: ptukey sayısal tabanı)
Tukey p (drug-A − drug-C) 0,0004 0,000411 0,000411 6,3e−14 ✓ (4 ondalık)
Tukey p (drug-B − drug-C) 0,0006 0,000561 0,000561 6,3e−14 ✓ (4 ondalık)
B (Intercept) −19,368000 −19,368000 −19,368000 1,4e−14 ✓
SH (Intercept) 1,133390 1,133390 1,133390 5,3e−15 ✓
B (drug=drug-A) 3,580000 3,580000 3,580000 2,0e−14 ✓
SH (drug=drug-A) 1,602856 1,602856 1,602856 6,2e−15 ✓
B (drug=drug-B) −0,428000 −0,428000 −0,428000 1,3e−14 ✓
SH (drug=drug-B) 1,602856 1,602856 1,602856 4,4e−15 ✓
B (sex=female) 4,820000 4,820000 4,820000 8,9e−15 ✓
SH (sex=female) 1,602856 1,602856 1,602856 5,3e−15 ✓
B (drug=drug-A:sex=female) 1,708000 1,708000 1,708000 3,2e−14 ✓
SH (drug=drug-A:sex=female) 2,266780 2,266780 2,266780 1,3e−15 ✓
B (drug=drug-B:sex=female) −7,820000 −7,820000 −7,820000 1,2e−14 ✓
SH (drug=drug-B:sex=female) 2,266780 2,266780 2,266780 2,2e−15 ✓
HC3 Wald F (drug) 29,196155 — 29,196155 1,1e−14 ✓
HC3 Wald F (sex) 8,680128 — 8,680128 8,9e−15 ✓
HC3 Wald F (drug × sex) 9,185352 — 9,185352 5,2e−14 ✓

Dengesiz alt örnek, üç KT türü:

Büyüklük MerQur Python (bağımsız) R 4.5.3 En büyük fark Durum
KT (drug, Tip I) 1548,468948 1548,468948 1548,468948 8,2e−12 ✓
F (drug, Tip I) 24,286450 24,286450 24,286450 5,0e−14 ✓
KT (sex, Tip I) 280,847368 280,847368 280,847368 2,8e−12 ✓
F (sex, Tip I) 8,809716 8,809716 8,809716 8,0e−14 ✓
KT (drug × sex, Tip I) 721,680998 721,680998 721,680998 2,4e−12 ✓
F (drug × sex, Tip I) 11,318967 11,318967 11,318967 5,7e−14 ✓
KT (drug, Tip II) 1663,128751 1663,128751 1663,128751 7,0e−12 ✓
F (drug, Tip II) 26,084793 26,084793 26,084793 5,7e−14 ✓
KT (sex, Tip II) 280,847368 280,847368 280,847368 3,6e−12 ✓
F (sex, Tip II) 8,809716 8,809716 8,809716 1,1e−13 ✓
KT (drug × sex, Tip II) 721,680998 721,680998 721,680998 5,7e−13 ✓
F (drug × sex, Tip II) 11,318967 11,318967 11,318967 2,8e−14 ✓
KT (drug, Tip III) 1839,715828 1839,715828 1839,715828 1,4e−11 ✓
F (drug, Tip III) 28,854415 28,854415 28,854415 1,6e−13 ✓
KT (sex, Tip III) 376,908926 376,908926 376,908926 4,6e−12 ✓
F (sex, Tip III) 11,823007 11,823007 11,823007 1,3e−13 ✓
KT (drug × sex, Tip III) 721,680998 721,680998 721,680998 1,9e−12 ✓
F (drug × sex, Tip III) 11,318967 11,318967 11,318967 5,3e−14 ✓

Sonuç: 95 büyüklüğün tamamı ölçütü karşılar. En küçük p'lerde (Tukey, p\approx5\times10^{-12}) scipy studentized_range ile R ptukey göreli olarak %1 ayrılır; ikisi de bu bölgede sayısal tabana yakındır ve MerQur değeri zaten "< 0,0001" yazar. Bu satırlarda mutlak 10^{-12} toleransı kullanılmıştır.

9.7 Çıktıyı okuma

MerQur'un sonuç metni varsayılan ayarlarla şöyledir (kısaltılmış):

İki Yönlü ANOVA — bağımlı: 'bp_change'  |  faktörler: 'drug', 'sex'
Toplam n = 150
Kareler toplamı türü: III. tür
  • drug (ana etki): F(2, 144) = 29.952, p = 1.329e-11 ***, η²ₚ = 0.2938
  • sex (ana etki): F(1, 144) = 9.0418, p = 0.003115 **, η²ₚ = 0.0591
  • drug × sex (etkileşim): F(2, 144) = 10.0457, p = 8.24e-05 ***, η²ₚ = 0.1224
── VARSAYIM KONTROLLERİ ──
Levene (varyans homojenliği, ortalama merkezli): W = 0.4746, p = 0.7947 → karşılanıyor
Brown-Forsythe (medyan merkezli Levene): W = 0.3657, p = 0.8714 → karşılanıyor
Shapiro–Wilk (artık normalliği): W = 0.989, p = 0.2866 → karşılanıyor
── BETİMSEL ORTALAMALAR ──
    drug=drug-A, sex=female: M=-9.260, SD=5.306, n=25
    ...
Satır/Öğe Ne yazar Nasıl yorumlanır
Başlık + "Kareler toplamı türü" Bağımlı değişken, faktörler, n ve KT türü Rapor edilecek KT türünü buradan alın.
Terim satırları F(\sd_1,\sd_H), tam p (anlamlı basamakla), yıldız, η²ₚ Önce etkileşim satırına bakın; anlamlıysa ana etkiler ortalama bir etkiyi özetler, basit etkilere geçin.
Tablo sekmesi KT, sd, KO, F, p, yıldız, η²ₚ (ve seçilen ek sütunlar); son satır "Hata (artık)" Tabloda p 6 ondalıkla saklanır; çok küçük p 4 anlamlı basamakla (ör. 1.329e-11).
Künye satırı (sonuç nesnesi) Genel model F'si ve R^2 (düzeltilmiş R^2) Model bir bütün olarak varyansın %38,2'sini açıklar.
VARSAYIM KONTROLLERİ Levene, Brown–Forsythe, Shapiro; "İHLAL" ya da "karşılanıyor" Etiket yalnız p<\alpha demektir; testi değiştirmez.
BETİMSEL ORTALAMALAR Hücre ve marjinal M, SD, n Gözlenen (ağırlıklı) ortalamalar; dengesiz desende EMM'den farklıdır.
Uyarı satırları Boş hücre notu, "yalnız ana etkiler" notu, HC notu, I. türde HC uyarısı Koşulları: hypothesis.py:4867–4877.
APA satırı drug (ana etki): F(2, 144) = 29.95, p < .001, η²p = .29; ... Ondalık noktalı yazılır; Türkçe metne aktarırken virgüle çevirin.

APA biçiminde rapor cümlesi (Türkçe ondalıkla):

İlaç (A, B, C) ve cinsiyetin sistolik kan basıncı değişimine etkisi 3 × 2 iki yönlü ANOVA ile incelendi (III. tür kareler toplamı; her hücrede n = 25). İlaç × cinsiyet etkileşimi anlamlıydı, F(2,\ 144) = 10{,}05, p < 0{,}001, \eta^2_p = 0{,}12. İlacın ana etkisi, F(2,\ 144) = 29{,}95, p < 0{,}001, \eta^2_p = 0{,}29, ve cinsiyetin ana etkisi, F(1,\ 144) = 9{,}04, p = 0{,}003, \eta^2_p = 0{,}06, de anlamlıydı. Basit etki analizinde ilaç farkı kadınlarda belirgin, F(2,\ 144) = 36{,}23, p < 0{,}001, erkeklerde zayıftı, F(2,\ 144) = 3{,}77, p = 0{,}025. Levene testi varyans eşitliğini destekledi, F(5,\ 144) = 0{,}47, p = 0{,}79.

9.8 Uzman soruları

S1. Varsayılan neden III. tür? Langsrud ve Nelder II. türü öneriyor.

Haklı bir tartışmadır. II. tür marjinallik ilkesine uyar ve etkileşim gerçekten yoksa ana etkiler için daha güçlüdür (Langsrud 2003). III. tür ise etkileşim varken de tanımlı bir hipotez sınar: ağırlıksız marjinal ortalamaların eşitliği. MerQur III. türü varsayılan alır (hypothesis.py:4706–4707). Dengeli Tıp verisinde üçü aynı sonucu verir. Dengesiz veride rapora KT türü yazılmalı; etkileşim anlamsız ve yorum ana etkilere dayanıyorsa II. tür ayrıca raporlanabilir.

S2. III. tür statsmodels'te gösterge kodlamasıyla neden yanlış?

Gösterge kodlamasında ana etki sütunu "referans düzeyinde" bir farkı temsil eder. Etkileşim modeldeyken o sütunun kısmi KT'si, "B'nin referans düzeyinde A'nın etkisi" hipotezini sınar; bu A'nın ana etkisi değildir. Toplam-sıfır kodlamada ana etki sütunları etkileşim sütunlarına dengeli desende diktir ve hipotez ağırlıksız marjinal ortalamalara karşılık gelir. MerQur bu yüzden III. türde formülü C(_f1_, Sum) ile kurar (hypothesis.py:4763–4764). R'de contr.sum ayarlanmadan car::Anova(type = 3) çalıştırmak aynı hataya düşer.

S3. Boş hücre varsa ne olur?

Tasarım matrisi eksik ranklı olur. III. tür ana etki hipotezi tahmin edilebilir olmaktan çıkar; MerQur hata verir. I. ve II. tür stats/anova_rank.py ile R tanımına göre (iç içe model artık KT farkı, sd rank farkı) hesaplanır ve sonuç metnine not düşülür. statsmodels anova_lm'nin etkileşim sd'sini dolu hücre sayısına bakmadan vermesi bu yolla önlenir. Sağlam (HC) test boş hücrede reddedilir.

S4. Post hoc testi neden gözlenen marjinal ortalamalarla, EMM neden ağırlıksız ortalamalarla?

İkisi farklı geleneklerdir. Post hoc menüsü gözlenen (ağırlıklı) marjinal ortalamaları ve tam modelin \mathrm{KO}_H'sini kullanır. EMM ise model tabanlıdır (R emmeans): hücre ortalamalarının ağırlıksız ortalaması. Dengeli veride ikisi aynı farkları verir (bu bölümde A−C farkı her iki yolda 4,434); dengesiz veride ayrılır ve III. tür ana etki testiyle tutarlı olan EMM'dir. Etkileşim varken iki yaklaşım da bir ortalama etki özetler; basit etkiler daha bilgilendiricidir.

S5. Games-Howell iki yönlü modelde nasıl hesaplanıyor?

Faktörün marjinal grupları üzerinde tek yönlü olarak: grup varyansları ve Welch sd'si kullanılır, öteki faktör ve etkileşim yok sayılır (hypothesis.py:4947–4951, pingouin.pairwise_gameshowell). Varyanslar hücreler arasında gerçekten farklıysa daha tutarlı yol, HC3 sağlam testler ve EMM karşılaştırmalarıdır.

S6. Basit etki F'si ile alt kümede yapılan tek yönlü ANOVA neden farklı?

Pay aynıdır (alt kümenin gruplar arası KT'si), payda farklıdır: MerQur tam modelin \mathrm{KO}_H'sini (\sd=144) kullanır, alt küme ANOVA'sı yalnız o alt kümenin hata KO'sunu (\sd=72) kullanır. Varyans eşitliği varsa tam modelin \mathrm{KO}_H'si daha kararlıdır ve testin sd'si daha büyüktür. Bu tanım emmeans::joint_tests ile aynıdır.

S7. Basit etki ikili karşılaştırmalarında Bonferroni çarpanı ne?

Her düzeyde o düzeydeki çift sayısı: kadınlar için 3 ilaç çifti, m=3. Tüm düzeyler boyunca (2 cinsiyet × 3 çift = 6) aile düzeltmesi yapılmaz (hypothesis.py:5048–5058). R emmeans'in pairs(emmeans(m, ~ A | B)) varsayılanı da aynıdır. Daha sıkı bir aile düzeltmesi isteniyorsa ham p'ler elle düzeltilmelidir.

S8. Ana istatistik neden genel model F'si? Hangi F'yi raporlamalıyım?

Sonuç nesnesinin statistic alanı panelin ortak künye biçimine uymak için genel modelin F'sini ve R^2'yi taşır (hypothesis.py:5122–5128). Raporlanacak olan terim satırlarıdır (drug, sex, drug × sex). Genel karar satırı ("H₀ REDDEDİLİR") terimlerden en az birinin anlamlı olduğunu söyler; hangi terimin anlamlı olduğu tabloda okunur.

S9. HC3 seçince neden KT sütunu boş?

statsmodels sağlam yolda her terimin Wald F'sini hesaplar ve KT sütununu F\cdot\sd\cdot\mathrm{KO}_H ile geri türetir. Bu sayı bir kareler toplamı değildir ve hiçbir programda karşılığı yoktur; η² türleri de ondan anlamsız olur. MerQur bu sütunları boş bırakır (hypothesis.py:4832–4838). F ve p R car::Anova(type = 3, white.adjust = "hc3") ile 10^{-14} düzeyinde eşleşir.

S10. Birden çok bağımlı değişken seçtim; p değerleri düzeltiliyor mu?

Hayır. Her bağımlı değişken için bağımsız bir iki yönlü ANOVA yapılır ve sonuçlar tek kartta toplanır (stats_panel.py:5115–5136); aile bazında düzeltme yoktur. Bağımlı değişkenler ilişkiliyse ortak sınama için MANOVA'nın "İkinci faktör" seçeneği faktöriyel MANOVA kurar (Bölüm 13).

9.9 Sık hatalar ve tuzaklar

  • Etkileşim anlamlıyken ana etkiyi tek başına yorumlamak. Bu veride "kadınlar daha az düşüş gösterdi" demek yanıltıcıdır: B ilacında tersi geçerlidir. Basit etkilere ve etkileşim grafiğine bakın.
  • KT türünü yazmamak. Dengesiz veride I., II. ve III. tür farklı sayılar verir. R anova() I. tür, car::Anova() II. tür verir; MerQur III. tür verir.
  • I. türde faktör sırasını unutmak. I. tür seçilirse Faktör 1 ile Faktör 2'nin yeri değiştiğinde ana etki satırları değişir.
  • Gözlenen marjinal ortalamayı EMM sanmak. "Betimsel ortalamalar" bölümü ağırlıklı ortalamadır; dengesiz desende III. tür testin karşılığı EMM'dir.
  • Motoru doğrudan çağırıp varsayım çıktısını beklemek. Motor varsayılanları Levene, Shapiro ve ortalamaları kapalı tutar; arayüz açık gönderir.
  • η² ile η²ₚ'yi karıştırmak. APA satırı seçili ölçüyü kendi etiketiyle yazar; kısmi ve kısmi olmayan eta kare farklı sorulara cevap verir.
  • Kovaryat ekleyip post hoc beklemek. Kovaryat varken post hoc, EMM ve basit etkiler atlanır; düzeltilmiş ortalamalar için ANCOVA modülünü kullanın.
  • Gözlenen gücü "çalışmanın gücü" diye raporlamak. Gözlenen güç p'nin dönüşümüdür; planlama için kullanılmaz.

9.10 Kaynaklar

  • Brown, M. B., & Forsythe, A. B. (1974). Robust tests for the equality of variances. Journal of the American Statistical Association, 69(346), 364–367. https://doi.org/10.1080/01621459.1974.10482955
  • Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
  • Hoenig, J. M., & Heisey, D. M. (2001). The abuse of power: The pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19–24. https://doi.org/10.1198/000313001300339897
  • Kramer, C. Y. (1956). Extension of multiple range tests to group means with unequal numbers of replications. Biometrics, 12(3), 307–310. https://doi.org/10.2307/3001469
  • Langsrud, Ø. (2003). ANOVA for unbalanced data: Use Type II instead of Type III sums of squares. Statistics and Computing, 13(2), 163–167. https://doi.org/10.1023/A:1023260610025
  • Levene, H. (1960). Robust tests for equality of variances. I. Olkin (Ed.), Contributions to probability and statistics içinde (ss. 278–292). Stanford University Press.
  • Long, J. S., & Ervin, L. H. (2000). Using heteroscedasticity consistent standard errors in the linear regression model. The American Statistician, 54(3), 217–224. https://doi.org/10.1080/00031305.2000.10474549
  • Olejnik, S., & Algina, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods, 8(4), 434–447. https://doi.org/10.1037/1082-989X.8.4.434
  • Searle, S. R., Speed, F. M., & Milliken, G. A. (1980). Population marginal means in the linear model: An alternative to least squares means. The American Statistician, 34(4), 216–221. https://doi.org/10.1080/00031305.1980.10483031
  • Shaw, R. G., & Mitchell-Olds, T. (1993). ANOVA for unbalanced data: An overview. Ecology, 74(6), 1638–1645. https://doi.org/10.2307/1939922
  • Tukey, J. W. (1949). Comparing individual means in the analysis of variance. Biometrics, 5(2), 99–114. https://doi.org/10.2307/3001913
  • Yates, F. (1934). The analysis of multiple classifications with unequal numbers in the different classes. Journal of the American Statistical Association, 29(185), 51–66. https://doi.org/10.1080/01621459.1934.10502686