İstatistik Sözlüğü → İki Yönlü ANOVA
İki Yönlü ANOVAanaliz
İki faktörün bir sürekli sonuç üzerindeki ayrı ayrı etkilerini (ana etkiler) ve birlikte nasıl işlediklerini (etkileşim) aynı modelde sınayan varyans analizi.
Kavram
Bir sonucu çoğu zaman tek bir etken değil, birden çok etken birlikte belirler. İki yönlü ANOVA iki faktörü aynı anda modele koyar ve üç soruyu birlikte yanıtlar: birinci faktörün ana etkisi var mı, ikinci faktörün ana etkisi var mı ve iki faktör etkileşiyor mu? Etkileşim, bir faktörün etkisinin diğer faktörün düzeyine göre değişmesi demektir; örneğin bir ilacın etkisinin yalnız kadınlarda görülmesi. İki faktörü ayrı ayrı tek yönlü ANOVA ile incelemek bu bilgiyi kaçırır.
Toplam değişkenlik, her faktöre, etkileşime ve hataya (hücre içi değişkenliğe) ayrılır; her etki için F = etkinin ortalama karesi / hata ortalama karesi hesaplanır. Etkileşim anlamlıysa ana etkiler tek başına yanıltıcı olabilir; o zaman bir faktörün etkisine diğer faktörün her düzeyinde ayrı ayrı bakılır (basit etkiler). Etkileşim grafiğinde çizgiler birbirine paralelse etkileşim yoktur; çizgiler birbirinden ayrılıyor ya da kesişiyorsa etkileşim vardır. Hücrelerdeki gözlem sayıları eşit değilse (dengesiz desen) etkiler birbirinden tam ayrışmaz ve kareler toplamı türünün (Tip I, II, III) seçimi sonucu etkiler.
Tek yönlü ANOVA'daki varsayımlar burada her hücre için geçerlidir: gözlemler bağımsızdır, artıklar yaklaşık normal dağılır ve hücre varyansları eşittir. Varyanslar eşit değilse sağlam standart hatalar kullanılabilir. Modele sayısal bir kovaryat eklendiğinde analiz kovaryans analizine (ANCOVA) dönüşür ve grup karşılaştırmaları kovaryatın etkisinden arındırılır. Etki büyüklükleri (kısmi η² gibi) her etkinin pratik önemini gösterir.
Ne zaman kullanılır?
- İki kategorik faktörün (ör. diyet türü ve egzersiz, gübre ve sulama, öğretim yöntemi ve cinsiyet) sürekli bir sonuç üzerindeki etkilerini ve aralarındaki etkileşimi birlikte sınarken.
- Yalnız tek bir faktör varsa tek yönlü ANOVA; aynı kişiler birden çok koşulda ölçüldüyse tekrarlı ölçümler ya da karma desen ANOVA kullanılır.
- Birden fazla sürekli sonuç birlikte incelenecekse MANOVA; artıklar belirgin biçimde normal dışı ve varyanslar çok farklıysa sağlam standart hatalar ya da uygun bir genelleştirilmiş doğrusal model düşünülür.
Gündelik bir örnek
Bir diyet kliniği, üç diyetin (Akdeniz, düşük karbonhidrat, standart) ve düzenli egzersizin (var, yok) 12 haftada verilen kiloya etkisini inceliyor; her diyet-egzersiz birleşiminde 10 danışan var. İki yönlü ANOVA şu soruları ayrı ayrı yanıtlar: diyetler arasında kilo kaybı bakımından fark var mı, egzersiz yapanlar daha mı çok kilo veriyor ve egzersizin katkısı her diyette aynı mı? Örneğin egzersiz standart diyette ortalama 1 kg, düşük karbonhidrat diyetinde ise 4 kg ek kayıp sağlıyorsa etkileşim vardır: egzersizin etkisi diyete bağlıdır.
MerQur'da parametreler
Kareler toplamı (SS) türü (Type III, Type II, Type I)
Kavram: Hücrelerdeki gözlem sayıları eşit değilse faktörlerin açıkladığı değişkenlik birbiriyle örtüşür ve bu örtüşen payın hangi etkiye yazılacağına karar vermek gerekir. Tip I etkileri modele giriş sırasına göre, Tip II her ana etkiyi öteki ana etkiye göre düzelterek, Tip III ise her etkiyi modeldeki diğer tüm etkilere (etkileşim dahil) göre düzelterek sınar. Desen dengeliyse üçü aynı sonucu verir.
Gündelik örnek: Bazı danışanlar programı bıraktığı için hücrelerde 10 yerine 7 ile 10 arasında kişi kaldıysa desen dengesizdir. Bu durumda diyetin etkisi Tip I'de 'egzersizden önce mi sonra mı girdiğine' göre değişir; Tip II ve III bu sıra bağımlılığını ortadan kaldırır.
Ne işe yarar: Dengesiz desende bir etkinin hangi diğer etkilere göre düzeltilerek sınandığını belirler: Tip I sıralı, Tip II her ana etkiyi diğer ana etkilere göre, Tip III her etkiyi diğer tüm etkilere göre (toplam-sıfır kontrastla) sınar.
Sonuca etkisi: Ana etki SS, F, p, η²ₚ, η², ω² ve gözlenen güç değişir; hata KT ve etkileşim satırı (en son terim) değişmez.
Doğrulama verisinde: Kutner drug: Tip III F(3, 46) = 9.046, Tip II 9.245, Tip I 9.456; etkileşim hepsinde 1.067. Dengeli warpbreaks'te üç tür aynıdır. Kovaryat seçiliyken Tip I sırası A, B, A x B, kovaryattır.
Post-hoc test (Yok, Tukey HSD, Bonferroni, Games-Howell, Scheffé, Šidák, LSD, Tamhane T2, Duncan, SNK, REGWQ)
Kavram: Üç ya da daha fazla düzeyli bir faktörde ana etki anlamlıysa hangi düzeylerin birbirinden farklı olduğunu, aileden kaynaklanan hata oranını denetleyerek bulan ikili karşılaştırmalardır. İki düzeyli bir faktörde tek bir karşılaştırma olduğundan post-hoc teste gerek yoktur.
Gündelik örnek: Diyet ana etkisi anlamlıysa Tukey HSD 'Akdeniz ile düşük karbonhidrat birbirinden ayrılmıyor ama ikisi de standart diyetten daha fazla kilo kaybettiriyor' gibi bir sonuç verebilir. Egzersiz yalnız iki düzeyli (var/yok) olduğundan onun için post-hoc gerekmez.
Ne işe yarar: Üç ve daha çok düzeyli her faktör için gözlenen marjinal ortalamaları tam modelin MSE'si ve hata sd'siyle ikili karşılaştırır. İki düzeyli faktörde atlanır, kovaryat seçiliyse yapılmaz.
Sonuca etkisi: Yalnız post-hoc bölümünü ekler; ANOVA tablosu değişmez.
Doğrulama verisinde: Kutner drug 1-3 (Δ = 17.317): Tukey p = 0.0006; Bonferroni 0.0006, GA [6.094, 28.539]; Scheffé 0.0015; LSD 0.0001. warpbreaks SNK p(L-M) = 0.0025952549.
Etki büyüklükleri: η²ₚ, η², ω² (onay kutuları)
Kavram: Etki büyüklükleri her etkinin değişkenliğin ne kadarını açıkladığını gösterir. η² etkinin toplam değişkenlikteki payıdır; kısmi η² (η²ₚ) aynı payı diğer etkileri dışarıda bırakarak, yalnız 'bu etki + hata' içinde hesaplar; ω² ise ana kütle değerini daha az yanlı tahmin eder.
Gündelik örnek: Egzersizin kısmi η²'si 0,15 çıkarsa diyet ve etkileşimin açıkladığı kısım dışarıda bırakıldığında kilo kaybındaki farklılığın %15'i egzersizle ilgilidir. Bir modelde birçok faktör varsa kısmi η² değerlerinin toplamı 1'i aşabilir; bu bir hata değildir.
Ne işe yarar: η²ₚ = SS/(SS + SS_hata); η² = SS/SS_düzeltilmiş toplam; ω² = (SS - sd·MSE)/(SS_toplam + MSE).
Sonuca etkisi: ANOVA tablosuna sütun ekler; sonuç metnindeki madde satırında yalnız η²ₚ yazılır.
Doğrulama verisinde: Kutner Tip III drug: η²ₚ = 0.3711, η² = 0.3209, ω² = 0.2821; η² ve ω² yarı-kısmi tanımdır (payda toplam KT).
Varsayım kontrolleri: Levene (varyans homojenliği) (onay kutusu)
Kavram: İki yönlü ANOVA varyansların her hücrede (faktör düzeylerinin her birleşiminde) eşit olduğunu varsayar; Levene testi bu varsayımı tüm hücreler arasında sınar. Medyan merkezli sürümü (Brown-Forsythe) çarpık verilerde daha dayanıklıdır.
Gündelik örnek: Altı diyet-egzersiz grubunun her birinde kilo kaybının dağınıklığı benzer mi? Egzersiz yapan düşük karbonhidrat grubunda bazıları 1 kg, bazıları 12 kg vermişse bu grubun varyansı diğerlerinden büyük olabilir ve Levene bunu işaret eder.
Ne işe yarar: Hücreler (A x B) arasında varyans eşitliğini sınar; ortalama merkezli Levene ve bilgi olarak medyan merkezli (Brown-Forsythe) satırı verir.
Sonuca etkisi: Yalnız bilgi satırı.
Doğrulama verisinde: Kutner W = 1.2457, p = 0.2858; hsb2 W = 4.3376, p = 0.0009 (ihlal), Brown-Forsythe W = 3.6249, p = 0.0037.
Varsayım kontrolleri: Shapiro (artık normalliği) (onay kutusu)
Kavram: Normallik varsayımı ham veri için değil, modelin artıkları, yani her gözlemin kendi hücre ortalamasından sapması için geçerlidir. Shapiro-Wilk bu artıkların normal dağılıp dağılmadığını sınar.
Gündelik örnek: Her danışanın verdiği kilonun kendi grubunun ortalamasından ne kadar saptığı hesaplanır. Bu sapmalar birkaç aşırı başarılı danışan yüzünden sağa çarpıksa test bunu gösterir; 60 kişilik bir örneklemde ılımlı sapmalar sonucu pek bozmaz.
Ne işe yarar: Kurulan modelin artıklarının normalliğini sınar.
Sonuca etkisi: Yalnız bilgi satırı.
Doğrulama verisinde: Kutner W = 0.9645, p = 0.0876; hsb2 W = 0.9747, p = 0.0011.
Betimsel ortalamalar: Hücre + marjinal ortalamalar (onay kutusu)
Kavram: Hücre ortalamaları her faktör birleşiminin ortalamasını, marjinal ortalamalar ise bir faktörün her düzeyinin diğer faktörü bir kenara bırakarak hesaplanan ortalamasını verir. Etkileşimi anlamak için hücre ortalamalarına, ana etkileri anlamak için marjinal ortalamalara bakılır.
Gündelik örnek: Hücre tablosu 'egzersiz yapan Akdeniz grubu ortalama 6 kg verdi' gibi altı ayrı değer verir. Marjinal tablo ise 'egzersiz yapanlar diyetten bağımsız olarak ortalama 5,5 kg, yapmayanlar 3 kg verdi' der.
Ne işe yarar: Gözlenen ortalama, SD (n - 1) ve n değerlerini hücre ve marjinal düzeyde verir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: hsb2 female = 1, ses = 3: M = 58.966, SD = 6.790, n = 29; Kutner drug = 1, disease = 1: M = 29.333, SD = 13.018, n = 6.
Güven Düzeyi (%90, %95, %99, Diğer (özel), 80.0-99.9)
Kavram: Güven düzeyi, ortalamalar, farklar ve parametreler için verilen aralıkların ne kadar 'emin' olacağını ve anlamlılık kararının eşiğini (α) belirler. ANOVA tablosundaki F ve p değerlerini değiştirmez.
Gündelik örnek: %95 güvenle egzersizin ek katkısı '1,5 ile 3,5 kg arası' diye verilebilir; %99 güven istenirse aralık genişler. Klinik bir öneri yazılacaksa bu genişlik de göz önünde tutulur.
Ne işe yarar: α = 1 - güven düzeyi. EMM GA'ları, post-hoc GA'ları ve kararları, parametre GA'ları, gözlenen güç, GA'lı etkileşim grafiği ve varsayım ifadeleri bu α'yı kullanır.
Sonuca etkisi: α'ya bağlı bölümler kapalıyken (yalnız ANOVA, varsayım ve betimsel) görünen hiçbir sayı değişmez.
Doğrulama verisinde: Kutner drug = 1 EMM %95 GA [20.4570, 31.5319], %99 [18.6024, 33.3864]; gözlenen güç (drug) %95'te 0.9931, %90'da 0.9975.
Kestirilen marjinal ortalamalar (onay kutusu)
Kavram: Kestirilen marjinal ortalamalar (EMM), her hücreye eşit ağırlık vererek hesaplanan marjinal ortalamalardır. Dengesiz desende gözlenen marjinal ortalama kalabalık hücrelere fazla ağırlık verir; EMM ise 'tüm hücreler eşit büyüklükte olsaydı' ortalamanın ne olacağını gösterir.
Gündelik örnek: Egzersiz yapanların çoğu tesadüfen Akdeniz diyetindeyse egzersiz grubunun gözlenen ortalaması Akdeniz diyetinin etkisini de taşır. EMM her diyete eşit ağırlık verdiği için egzersizin katkısını diyet dağılımındaki bu dengesizlikten arındırır.
Ne işe yarar: Ağırlıksız hücre ortalamalarının ortalamasını verir; SE = √(MSE·Σ1/n)/k; GA t(1 - α/2, sd_hata); ikili farklar seçilen düzeltmeyle. Kovaryat ya da yalnız ana etki modelinde atlanır.
Sonuca etkisi: Yalnız ek bölüm.
Doğrulama verisinde: Kutner drug EMM: 25.9944, 26.5556, 9.7444, 13.5444; drug 1-3 Δ = 16.25, SE = 4.1451, p (Bonferroni) = 0.0018.
Basit etkiler (Yok / 1. faktör, 2. faktörün her düzeyinde / 2. faktör, 1. faktörün her düzeyinde / Her ikisi)
Kavram: Basit etki, bir faktörün etkisinin diğer faktörün tek bir düzeyinde ayrı olarak sınanmasıdır. Etkileşim anlamlıysa ana etki 'ortalama bir etki' olarak yanıltıcı olabilir; basit etkiler etkinin nerede var, nerede yok olduğunu gösterir.
Gündelik örnek: Etkileşim anlamlıysa egzersizin etkisi her diyette ayrı ayrı sınanır: standart diyette egzersizin katkısı anlamsız, düşük karbonhidrat diyetinde ise belirgin çıkabilir. Bu, 'egzersiz kilo kaybını artırır' gibi genel bir cümleden çok daha bilgilendiricidir.
Ne işe yarar: Bir faktörün diğerinin her düzeyindeki F testini (tam modelin MSE'si) ve dilim içi ikili farkları verir.
Sonuca etkisi: Yalnız ek bölüm.
Doğrulama verisinde: Kutner drug @ disease = 2: F(3, 46) = 7.440, p = 0.0004, η²ₚ = 0.3267.
EMM / basit etki düzeltmesi (Bonferroni, Šidák, LSD)
Kavram: Birden fazla karşılaştırma yapıldığında en az bir yanlış alarm olasılığı artar; düzeltme yöntemleri bunu denetler. Bonferroni her p değerini karşılaştırma sayısıyla çarpar, Šidák biraz daha az temkinli kesin bir düzeltme yapar, LSD ise hiç düzeltme yapmaz.
Gündelik örnek: Egzersizin etkisi üç diyette ayrı ayrı sınanıyorsa üç karşılaştırma vardır. Bonferroni ile tek başına p = 0,02 çıkan bir sonuç 0,06'ya yükselir ve %5 düzeyinde artık anlamlı sayılmaz.
Ne işe yarar: Ailedeki m karşılaştırma için p·m, 1 - (1 - p)^m veya düzeltmesiz p kullanır.
Sonuca etkisi: Yalnız EMM ya da basit etki açıkken etkilidir.
Doğrulama verisinde: Kutner drug 1-4: Bonferroni 0.0124, Šidák 0.0123, LSD 0.0021.
Model (Tam faktöriyel (A × B), Yalnız ana etkiler (A + B))
Kavram: Tam faktöriyel model iki ana etkiyi ve etkileşimi birlikte içerir; yalnız ana etkiler modeli ise iki faktörün etkilerinin birbirinden bağımsız olarak toplandığını varsayar. Etkileşim gerçekten varsa onu modelden çıkarmak yanıltıcı sonuçlar doğurur.
Gündelik örnek: Egzersizin katkısı her diyette aynıysa yalnız ana etkiler modeli yeterlidir ve daha sade bir anlatım sunar. Ama egzersiz yalnız düşük karbonhidrat diyetinde işe yarıyorsa bu modeli kullanmak, bu önemli bulguyu ortalamaların içinde kaybettirir.
Ne işe yarar: Etkileşim terimini modelden çıkarır; hata sd'si ve MSE değişir.
Sonuca etkisi: Kutner drug: tam modelde F(3, 46) = 9.046, ana etkiler modelinde F(3, 52) = 9.174.
Kovaryatlar
Kavram: Kovaryat, sonucu etkileyen ama araştırmanın asıl ilgi odağı olmayan sayısal bir değişkendir. Modele eklendiğinde (ANCOVA) grup karşılaştırmaları kovaryatın etkisinden arındırılır ve hata varyansı küçülerek testin gücü artabilir.
Gündelik örnek: Başlangıçta daha kilolu olan danışanlar genellikle daha çok kilo verir. Başlangıç kilosu kovaryat olarak eklenince diyetler 'aynı başlangıç kilosundaki danışanlar için' karşılaştırılır ve gruplar arasındaki başlangıç farkları sonucu çarpıtmaz.
Ne işe yarar: Seçilen sayısal sütun(lar)ı modele ekler (ANCOVA).
Sonuca etkisi: Post-hoc ve EMM bu modelde atlanır.
Doğrulama verisinde: hsb2 + read: female F 16.595 -> 27.876, read F(1, 193) = 110.67.
Sağlam SE (HC) (Yok, HC3, HC0)
Kavram: Sağlam (değişen varyansa dayanıklı) standart hatalar, hata varyansının hücreden hücreye değiştiği durumda da güvenilir testler verir; varyansların eşit olduğu varsayımına dayanmaz. HC3 küçük ve orta örneklemlerde genellikle daha iyi sonuç veren türüdür.
Gündelik örnek: Egzersiz yapan gruplarda kilo kaybı çok daha dağınıksa klasik F bu grupların belirsizliğini olduğundan küçük gösterebilir. Sağlam standart hatalar her gruptaki gerçek dağınıklığı hesaba katarak daha dürüst bir p değeri verir.
Ne işe yarar: Varyans heterojenliğinde HC kovaryanslı Wald F testleri verir.
Sonuca etkisi: Tip II ve III'te F, p değişir. Tip I ile seçildiğinde sağlam test uygulanamaz; çıktıda uyarı yazılır ve klasik Tip I verilir. Sağlam testte KT, KO ve η²ₚ gösterilmez.
Doğrulama verisinde: Kutner Tip III drug: klasik 9.046, HC3 7.3125, HC0 12.2927.
Ek çıktı: Gözlenen güç (onay kutusu)
Kavram: Gözlenen güç, örneklemdeki etki büyüklüğü gerçek etki kabul edilseydi testin anlamlı sonuç verme olasılığıdır. Gözlenen p değerinin bir dönüşümünden ibaret olduğu için yeni bilgi taşımaz; özellikle anlamsız bir sonucu 'güç düşüktü' diye açıklamak için kullanılmamalıdır.
Gündelik örnek: Etkileşim p = 0,30 ile anlamsız çıktıysa gözlenen gücü de düşük çıkar; bu, zaten bilinen 'etkileşim anlamlı değil' bilgisinin başka bir söylenişidir. Gelecek çalışmanın kaç danışanla yapılacağını belirlemek için güç analizi önceden, kuramsal bir etki büyüklüğüyle yapılmalıdır.
Ne işe yarar: λ = F·sd1, güç = P(F'(sd1, sd_hata, λ) > F_{1-α}). Gözlenen güç, gözlenen p'nin bir dönüşümüdür ve yorum değeri sınırlıdır (Hoenig ve Heisey, 2001).
Sonuca etkisi: Yalnız ek satır.
Doğrulama verisinde: Kutner drug λ = 27.138, güç 0.9931.
Ek çıktı: Parametre tahminleri (onay kutusu)
Kavram: Parametre tahminleri, ANOVA'nın arka plandaki regresyon modelini gösterir: her faktör düzeyi bir gösterge (0/1) değişkeniyle kodlanır ve katsayılar o düzeyin seçilen karşılaştırma düzeyinden ne kadar farklı olduğunu verir.
Gündelik örnek: Karşılaştırma düzeyi standart diyet ve egzersiz yok ise 'Akdeniz' katsayısı 2,1 kg, egzersiz yapmayan bir danışanın Akdeniz diyetinde standart diyete göre ortalama 2,1 kg daha fazla verdiği anlamına gelir. Etkileşim varsa bu katsayılar yalnız karşılaştırma düzeyi için geçerlidir.
Ne işe yarar: Gösterge kodlama, karşılaştırma düzeyi son düzeydir; B, SE, t, p, GA verir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: Kutner Intercept 14.2, drug = 1 için 6.2 (SE 6.647).
Ek çıktı: Tahmin/artık kaydet (onay kutusu)
Kavram: Model, her gözlem için bir tahmin (hücre ortalaması) üretir; artık, gözlenen değerle bu tahmin arasındaki farktır. Bunları veri setine kaydetmek, artıkların ayrıca incelenmesini (aykırı değer arama, başka testler, grafikler) mümkün kılar.
Gündelik örnek: Bir danışan 14 kg verdiyse ve grubunun tahmini 6 kg ise artığı 8 kg'dır. Standartlaştırılmış artığı 3'ün üzerindeyse diyetisyen bu danışanın kaydını kontrol eder; belki ek bir ilaç kullanıyordur.
Ne işe yarar: PRE_, RES_, ZRE_ (= artık/√MSE) sütunlarını veri setine ekler.
Sonuca etkisi: Veri setine sütun eklenir; test değişmez.
Grafik (Etkileşim grafiği, Etkileşim grafiği + GA çubukları, Artık - tahmin grafiği, Artıkların Q-Q grafiği)
Kavram: Etkileşim grafiği bir faktörün düzeylerini yatay eksende, diğer faktörün her düzeyini ayrı bir çizgiyle gösterir: paralel çizgiler etkileşim olmadığını, birbirinden uzaklaşan ya da kesişen çizgiler etkileşimi gösterir. Artık-tahmin grafiği ve artıkların Q-Q grafiği ise varyans eşitliği ve normallik varsayımlarını gözle denetlemeyi sağlar.
Gündelik örnek: Diyetler yatay eksende, egzersiz var ve yok iki çizgi olarak çizildiğinde iki çizgi standart diyette birbirine yakın, düşük karbonhidrat diyetinde ise birbirinden uzakta durur. Bu açılma, egzersizin katkısının diyete göre değiştiğini tek resimde anlatır.
Ne işe yarar: Grafik sekmesini seçer. GA'lı türde hücre ortalaması ± t(1 - α/2, sd_hata)·√(MSE/n) çizilir.
Sonuca etkisi: Sonuç metni değişmez.
Model tanıları: Uyum eksikliği (lack of fit)
Kavram: Uyum eksikliği testi, daha sade bir modelin (ör. yalnız ana etkiler) verideki hücre ortalamalarını yeterince iyi yakalayıp yakalamadığını, her hücreye kendi ortalamasını veren tam modelle karşılaştırarak sınar. Anlamlı sonuç, sade modelin bir şeyi (çoğu zaman etkileşimi) kaçırdığını gösterir.
Gündelik örnek: Klinik yalnız ana etkiler modeliyle çalışmak istiyor. Uyum eksikliği testi anlamlı çıkarsa altı grubun gerçek ortalamaları bu modelin öngördüğünden belirgin biçimde farklıdır; yani egzersizin katkısı diyetler arasında değişiyordur.
Ne işe yarar: Modeldeki ana etki terimlerinin tam hücre ortalamaları modeline göre yeterli olup olmadığını F testiyle sınar; doymuş modelde "tanımsız" notu verilir.
Sonuca etkisi: Yalnız ek test satırı.
Doğrulama verisinde: warpbreaks (yalnız ana etkiler): F = 4.1890689669, p = 0.0210441907.
Model tanıları: Değişen varyans testleri (Breusch-Pagan, White)
Kavram: Değişen varyans (heteroskedastisite), artıkların dağınıklığının modelin terimlerine ya da tahmin edilen değere göre değişmesidir. Breusch-Pagan ve White testleri bu ilişkiyi sınar; anlamlı sonuç, sağlam standart hataların kullanılmasını düşündürür.
Gündelik örnek: Tahmini kilo kaybı büyük olan gruplarda artıklar da büyükse, yani çok kilo vermesi beklenenlerin sonuçları daha değişkense, Breusch-Pagan testi bunu yakalar.
Ne işe yarar: Artık varyansının model terimleriyle ilişkisini sınar: Breusch-Pagan özgün, Koenker ve F biçimlerinde; White tüm kareler ve çapraz çarpımlarla (n·R², sd = rank - 1).
Sonuca etkisi: Yalnız ek test satırları.
Doğrulama verisinde: warpbreaks tam model: Koenker 21.5743594325, özgün 17.5948613787, White 21.5743594325 (sd = 5).
Özel kontrast (L)
Kavram: Özel kontrast, araştırmacının kendi tanımladığı ağırlıklarla hücre ya da düzey ortalamalarının belirli bir birleşimini sınar. Hazır testlerin yanıtlamadığı, önceden planlanmış özel soruları sınamak için kullanılır.
Gündelik örnek: Kliniğin özel sorusu 'egzersizle birlikte uygulanan Akdeniz diyeti, egzersizle birlikte uygulanan standart diyetten daha mı etkili?' olabilir. Kontrast bu iki hücreyi doğrudan karşılaştırır ve farkın tahminini güven aralığıyla verir.
Ne işe yarar: Kullanıcı tanımlı doğrusal kontrastları gösterge kodlamalı OLS modelinden sınar (ilk düzey temel alınır); her satır için tahmin, SE, t, p, GA ve birden çok satır varsa ortak F testi verir.
Sonuca etkisi: Metin yorum bölümüne kontrast tablosu eklenir.
Doğrulama verisinde: warpbreaks: kontrast satırları -0.5 (SE 3.646761346) ve -20.5555556 (SE 5.157299354); ortak F(2, 48) = 9.309248443, p = 0.00038328.
Gerçek veride örnek
Veri: UCLA OARC hsb2 (High School and Beyond, n = 200)
Değişkenler: faktör 1 female (cinsiyet), faktör 2 ses (sosyoekonomik düzey), bağımlı write (yazma puanı)
- Soru: Yazma puanı cinsiyet (female) ve sosyoekonomik düzeye (ses: 1-3) göre farklılaşıyor mu, iki faktör etkileşiyor mu?
- Varsayımlar: Levene W = 4.34, p < .001 ve artıklarda Shapiro-Wilk W = 0.975, p = .001; varyans homojenliği ve normallik ihlal edilir, sonuçlar dikkatle yorumlanmalıdır (n = 200 ile F görece sağlamdır).
- Sonuç: Tip III KT ile cinsiyet ana etkisi F(1, 194) = 16.59, p < .001; ses ana etkisi F(2, 194) = 6.61, p = .002; etkileşim F(2, 194) = 0.13, p = .875 (anlamsız).
- Etki büyüklüğü: Kısmi η² cinsiyet .08, ses .06 (orta), etkileşim .00; model R² = 0.127.
- Betimsel: Kızlar (M = 54.99) erkeklerden (M = 50.12), yüksek ses grubu (M = 55.91) düşük gruptan (M = 50.62) yüksektir; etkileşim olmadığından cinsiyet farkı her ses düzeyinde benzerdir.
- APA: Cinsiyet F(1, 194) = 16.59, p < .001, η²p = .08; ses F(2, 194) = 6.61, p = .002, η²p = .06; etkileşim F(2, 194) = 0.13, p = .875, η²p = .00.
İlgili kavramlar
Gözlenen güç (post hoc güç)Post hoc testler (ikili karşılaştırmalar)Tahmini marjinal ortalamalar (EMM)Basit etkilerEtkileşim grafiğiDeğişen varyans (heteroskedastisite)Eta kare (η²) ve kısmi eta kare (η²ₚ)Kareler toplamı tipleri (Tip I, II, III)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.