İstatistik Sözlüğü → Tek Yönlü ANOVA
Tek Yönlü ANOVAanaliz
Üç ya da daha fazla bağımsız grubun ortalamalarının eşit olup olmadığını, gruplar arasındaki farkları grupların kendi içindeki dağınıklıkla karşılaştırarak sınayan varyans analizi.
Kavram
Üç ya da daha fazla grubu karşılaştırırken bütün ikili çiftlere ayrı ayrı t-testi uygulamak yanıltıcıdır: her test yanlış alarm riski taşır ve test sayısı arttıkça en az bir yanlış 'fark var' sonucuna ulaşma olasılığı hızla büyür. Tek yönlü ANOVA tüm grupları tek bir testte ele alır ve sıfır hipotezini sınar: tüm grup ortalamaları eşittir. Anlamlı bir sonuç yalnız 'en az bir grup diğerlerinden farklıdır' der; hangi grupların farklı olduğunu post-hoc testler ya da önceden planlanmış kontrastlar gösterir.
Yöntemin adı mantığından gelir: toplam değişkenlik ikiye ayrılır. Gruplar arası değişkenlik, grup ortalamalarının genel ortalamadan ne kadar uzaklaştığını; grup içi değişkenlik ise aynı gruptaki gözlemlerin kendi ortalamaları etrafında ne kadar dağıldığını gösterir. F = gruplar arası ortalama kare / grup içi ortalama kare. Gruplar gerçekten aynıysa F 1 civarında çıkar; grup ortalamaları birbirinden uzaklaştıkça F büyür ve p küçülür. η² gibi etki büyüklükleri, toplam değişkenliğin ne kadarının grup farklılığından kaynaklandığını gösterir.
Klasik ANOVA, gözlemlerin bağımsız olduğunu, her grupta değişkenin yaklaşık normal dağıldığını ve grup varyanslarının eşit olduğunu varsayar. Grup büyüklükleri benzerse normallikten ve varyans eşitsizliğinden ılımlı sapmalar sonucu pek bozmaz; ancak varyanslar farklı ve grup büyüklükleri dengesizse Welch ANOVA tercih edilmelidir. Anlamlılık tek başına yeterli değildir: farkın büyüklüğü ve hangi gruplardan kaynaklandığı da raporlanmalıdır.
Ne zaman kullanılır?
- Tek bir faktörün üç ya da daha fazla düzeyinde (ör. üç gübre dozu, dört öğretim yöntemi) bağımsız grupların sürekli bir ölçümünü karşılaştırırken.
- Grup varyansları belirgin biçimde farklıysa Welch ANOVA; dağılımlar çok çarpık ve gruplar küçükse Kruskal-Wallis testi kullanılır. Yalnız iki grup varsa bağımsız örneklem t-testi yeterlidir.
- Aynı kişiler her koşulda ölçüldüyse tekrarlı ölçümler ANOVA; iki ya da daha fazla faktör birlikte inceleniyorsa iki yönlü (faktöriyel) ANOVA gerekir.
Gündelik bir örnek
Bir tarım işletmesi, domates veriminde gübre dozunun etkisini görmek için 30 parseli üç gruba ayırıyor: gübresiz, düşük doz ve yüksek doz, her grupta 10 parsel. Bitki başına ortalama verim sırasıyla 4,7, 5,0 ve 5,5 kg çıkıyor. Tek yönlü ANOVA bu üç ortalama arasındaki farkı, aynı gruptaki parsellerin verimlerinin ne kadar dağınık olduğuyla karşılaştırır. F(2, 27) = 4,9 ve p = 0,016 çıkarsa en az bir doz grubunun ortalaması diğerlerinden farklıdır; hangi dozların birbirinden ayrıldığını post-hoc testler gösterir.
MerQur'da parametreler
Post-hoc test (Yok, Tukey HSD, Duncan MRT, Bonferroni, Scheffé, Games-Howell, LSD, Šidák, Hochberg GT2, Gabriel, Student-Newman-Keuls, Ryan-Einot-Gabriel-Welsch Q, Dunnett (kontrole karşı), Tamhane T2, Dunnett T3)
Kavram: Post-hoc testler, anlamlı bir ANOVA'dan sonra hangi grup çiftlerinin farklı olduğunu bulmak için tüm ikili karşılaştırmaları yapar ve aileden kaynaklanan hata oranını, yani bu karşılaştırmaların en az birinde yanlış alarm verme olasılığını, denetim altında tutar. Yöntemler bu denetimin sıkılığında ve varsayımlarında ayrışır: Tukey HSD eşit varyanslı tüm çiftler için, Games-Howell eşit olmayan varyanslar için, Dunnett yalnız kontrol grubuyla karşılaştırma için, Bonferroni ve Scheffé daha temkinli düzeltmeler için kullanılır; LSD hiçbir düzeltme yapmaz.
Gündelik örnek: Üç doz grubu üç çift oluşturur. Her çifte düzeltmesiz %5 riskli bir test uygulanırsa toplam yanlış alarm riski %14'e yaklaşabilir. Tukey HSD bu riski %5'te tutarken 'yüksek doz gübresizden farklı, düşük doz ise ikisinden de ayrılmıyor' gibi bir sonuç verebilir.
Ne işe yarar: ANOVA'dan sonra hangi grup çiftlerinin farklı olduğunu ailesel hata oranını denetleyerek gösterir. REGWQ adım-aşağı yöntemdir: α_r = 1 - (1 - α)^(r/k) (r < k - 1), r >= k - 1 için α_r = α.
Sonuca etkisi: F, p ve SS değişmez; çift başına fark, düzeltilmiş p, eşzamanlı GA ve anlamlılık işareti eklenir. ANOVA anlamsız olsa da seçilen yöntem çalışır.
Doğrulama verisinde: PlantGrowth trt1 - trt2 farkı (-0.865) için p: LSD 0.0045, Tukey HSD 0.0120 ([-1.556, -0.174]), Bonferroni 0.0134, Scheffé 0.0163, Games-Howell 0.0237, Tamhane T2 0.0276. recall verisinde Tukey p = .011, Games-Howell p = .056.
Güven Düzeyi (%90, %95, %99, Diğer (özel), 80.0-99.9)
Kavram: Güven düzeyi, farklar ve ortalamalar için verilen aralıkların ne kadar 'emin' olacağını ve fark var kararının eşiğini (α) belirler. F değerinin kendisini değiştirmez, yalnız neyin anlamlı sayılacağını değiştirir.
Gündelik örnek: %95 güven düzeyinde p = 0,016 anlamlıdır; %99 güven düzeyi seçilirse aynı sonuç 'anlamlı değil' sayılır. Gübre şirketine iddialı bir rapor verilecekse daha yüksek güven düzeyi istenebilir.
Ne işe yarar: α = 1 - güven düzeyi; karar eşiğini ve tüm GA genişliklerini belirler.
Sonuca etkisi: F, p ve SS değişmez. H0 kararı, post-hoc işaretleri ve GA'lar, etki büyüklüğü GA'ları, varsayım satırlarının "karşılanıyor / İHLAL" ifadesi ve Ortalama ± GA grafiği değişir.
Doğrulama verisinde: PlantGrowth Tukey trt1 - trt2 GA'sı %90 [-1.462, -0.268], %95 [-1.556, -0.174], %99 [-1.751, 0.021]; %99'da çift anlamsız işaretlenir. η² GA'sı %95 [0.0110, 0.4902].
ANOVA varyantı (Klasik (Fisher), Welch (eşit olmayan varyans))
Kavram: Klasik (Fisher) ANOVA grup varyanslarının eşit olduğunu varsayar ve tek bir ortak grup içi varyans kullanır. Welch ANOVA ise her grubun kendi varyansını kullanır; varyanslar farklı ve grup büyüklükleri dengesiz olduğunda yanlış alarm oranını doğru düzeyde tutar.
Gündelik örnek: Yüksek doz alan parsellerde verimler 3 ile 8 kg arasında geniş bir aralığa yayılırken gübresiz parsellerde 4 ile 5 kg arasında toplanıyorsa varyanslar belirgin biçimde farklıdır. Bu durumda Welch ANOVA daha güvenilir bir sonuç verir.
Ne işe yarar: Welch (1951) F eşit varyans varsaymaz.
Sonuca etkisi: İstatistik, p ve payda sd'si Welch'ten gelir (kesirli sd2); SS tablosu klasik kalır. Sıfır varyanslı grupta Welch tanımsızdır; MerQur uyarı verip klasik F'yi raporlar.
Doğrulama verisinde: upsit için klasik F(4, 175) = 16.65 yerine Welch F(4, 78.75) = 13.72; recall için 14.259, sd2 7.211, p 0.0031; sleep F(1, 17.78) = 3.4626.
Etki büyüklükleri: ω², ε², Etki GA'ları (onay kutuları)
Kavram: Etki büyüklüğü, toplam değişkenliğin ne kadarının grup farkından kaynaklandığını gösterir. η² örneklemde bu oranı olduğundan biraz büyük gösterme eğilimindedir; ω² ve ε² ana kütle değerini daha az yanlı tahmin eder ve özellikle küçük örneklemlerde daha gerçekçidir.
Gündelik örnek: 30 parselde η² = 0,26 çıkarsa verimdeki farklılığın yaklaşık dörtte birinin gübre dozuyla açıklandığı söylenir. ω² ise belki 0,20 gibi daha temkinli bir değer verir; aynı deneme 300 parselle yapılsaydı iki ölçü neredeyse aynı olurdu.
Ne işe yarar: η² örneklem üstü yanlıdır; ε² (Kelley) ve ω² (Hays) daha az yanlıdır. GA'lar merkezî olmayan F dağılımından hesaplanır.
Sonuca etkisi: Yalnız ek satırlar; test değişmez. Negatif ε² ve ω² 0'a kırpılır.
Doğrulama verisinde: PlantGrowth η² = 0.2641, ε² = 0.2096, ω² = 0.2041; %95 GA η² [0.0110, 0.4902]. recall ε² = 0.5064, ω² = 0.4892; recall η² GA [0.1060, 0.7754].
Ek çıktı: Brown-Forsythe F* (onay kutusu)
Kavram: Brown-Forsythe F*, ortalamaların eşitliğini varyansların eşit olduğunu varsaymadan sınayan bir başka testtir. Welch testiyle birlikte okunduğunda, varyans eşitsizliğinin sonucu ne kadar etkilediği görülür.
Gündelik örnek: Klasik F, Welch ve Brown-Forsythe üçü de 'dozlar farklı' sonucunu veriyorsa karar varyans varsayımına bağlı değildir. Biri anlamlı, diğerleri değilse sonucun sağlam olmadığı anlaşılır.
Ne işe yarar: Brown ve Forsythe (1974) ortalama eşitliği testi; varyans eşitliği varsaymaz.
Sonuca etkisi: Ek satır: F*, Satterthwaite sd2, p. Klasik varyantta ayrıca Welch F satırı eklenir.
Doğrulama verisinde: PlantGrowth F*(2, 22.21) = 4.8461 (dengeli veride F* = F, yalnız sd2 değişir); upsit F*(4, 133.17) = 18.62; recall F*(2, 7.01) = 8.18, p = 0.0147.
Ek çıktı: Harf gösterimi (homojen alt kümeler) (onay kutusu)
Kavram: Harf gösterimi, post-hoc sonuçlarını kısa bir biçimde özetler: aynı harfi paylaşan gruplar birbirinden anlamlı biçimde farklı değildir, ortak harfi olmayan gruplar ise farklıdır.
Gündelik örnek: Tabloda gübresiz 'a', düşük doz 'ab', yüksek doz 'b' yazıyorsa yüksek doz gübresizden farklıdır; düşük doz ise ikisiyle de bir harf paylaştığı için hiçbirinden ayrılmaz. Tarım raporlarında bu gösterim çok yaygındır.
Ne işe yarar: Seçili post-hoc'un anlamlı çiftlerinden kompakt harf gösterimi üretir (aynı harf = fark yok).
Sonuca etkisi: Yalnız post-hoc seçiliyken çalışır; kontrole karşı Dunnett'te ve post-hoc yokken üretilmez.
Doğrulama verisinde: clover Tukey: 3DOK1 a, 3DOK5 ab, 3DOK7 bc, COMPOS bc, 3DOK4 c, 3DOK13 c. recall Tukey alt kümeleri {1,3}, {2}.
Grafik (Kutu grafiği, Ortalama ± GA, Normal Q-Q (grup başına))
Kavram: Grafikler, grupların dağılımını ve ortalamalarını sayılardan önce görünür kılar. Kutu grafiği medyanı, dağınıklığı ve aykırı değerleri; ortalama ± güven aralığı grafiği ortalamaları ve belirsizliklerini; grup başına Q-Q grafiği her grubun normalliğini gösterir.
Gündelik örnek: Kutu grafiğinde yüksek doz kutusunun daha uzun olduğu ve bir parselin çok düşük kaldığı görülebilir; belki o parseli sulama arızası etkilemiştir. Ortalama ± GA grafiği ise üç dozun ortalamalarını aralıklarıyla birlikte tek resimde sunar.
Ne işe yarar: Grafik sekmesinin türünü seçer. "Ortalama ± GA" her grubun kendi SD'si ve t(n - 1) ile çizilir.
Sonuca etkisi: Sayısal sonuç değişmez; GA güven düzeyine bağlıdır.
Doğrulama verisinde: PlantGrowth ctrl 5.032 [4.615, 5.449].
Varsayım kontrolleri: Levene (varsayılan açık), Bartlett, Shapiro
Kavram: ANOVA varsayımlarını denetler: Levene ve Bartlett testleri grup varyanslarının eşit olup olmadığını, Shapiro-Wilk ise her grupta normalliği sınar. Bartlett normal verilerde güçlüdür ama normallikten sapmaya duyarlıdır; Levene daha dayanıklıdır.
Gündelik örnek: Levene testi p = 0,30 verirse parsellerin verim dağınıklığı üç dozda benzer kabul edilir ve klasik ANOVA uygundur. p = 0,01 çıksaydı Welch ANOVA'ya geçmek daha doğru olurdu.
Ne işe yarar: Varyans homojenliğini (ortalama ve medyan merkezli Levene; Bartlett) ve grup başına normalliği sınar.
Sonuca etkisi: Yalnız bilgi satırları; ANOVA'yı değiştirmez.
Doğrulama verisinde: InsectSprays Levene W = 6.4554, p = 6.1e-05; medyan merkezli W = 3.8214, p = 0.0042; Bartlett K² = 25.9598, p = 9.09e-05. PlantGrowth Shapiro trt2 W = 0.941, p = 0.564.
Betimsel (onay kutusu; varsayılan açık)
Kavram: Her grubun özetini verir: kişi ya da birim sayısı, ortalama, standart sapma, standart hata, medyan, en küçük ve en büyük değer, çarpıklık ve basıklık. ANOVA sonucunu yorumlamadan önce grupların genel görünümünü gösterir.
Gündelik örnek: Tablo, her dozda 10 parsel olduğunu, ortalamaların 4,7, 5,0 ve 5,5 kg olduğunu ve standart sapmaların birbirine yakın olduğunu tek bakışta gösterir. Bu, klasik ANOVA'nın uygun olduğuna dair ilk işarettir.
Ne işe yarar: Grup başına n, ortalama, SD, SE, medyan, en küçük, en büyük, çarpıklık (G1) ve basıklığı (G2) verir.
Sonuca etkisi: Yalnız ek tablo.
Doğrulama verisinde: PlantGrowth: ctrl M = 5.0320, SD = 0.5831; trt1 M = 4.6610, SD = 0.7937; trt2 M = 5.5260, SD = 0.4426. hsb2 prog, hsb2 ses, crf24, clover ve recall verilerinde de grup ortalamaları ve SD'ler verilir.
Dunnett kontrol grubu (İlk (sıralı ilk düzey), Son (sıralı son düzey))
Kavram: Dunnett testi tüm çiftleri değil, yalnız her deney grubunu tek bir kontrol grubuyla karşılaştırır. Daha az karşılaştırma yapıldığı için, aynı hata denetimiyle tüm çiftleri karşılaştıran testlerden daha güçlüdür; bu yüzden kontrol grubunun hangisi olduğu doğru belirlenmelidir.
Gündelik örnek: Burada kontrol grubu gübresiz parsellerdir. Dunnett yalnız 'düşük doz gübresizden farklı mı?' ve 'yüksek doz gübresizden farklı mı?' sorularını yanıtlar; iki dozu birbiriyle karşılaştırmaz.
Ne işe yarar: Doğal sırada (sayısal etiketler sayısal, diğerleri alfabetik) ilk ya da son düzeyi kontrol yapar.
Sonuca etkisi: Yalnız Dunnett seçiliyken etkilidir.
Doğrulama verisinde: PlantGrowth'ta son düzey (trt2) kontrol seçilince trt1 - trt2 p = 0.0085 (anlamlı); ilk düzey (ctrl) iken iki çift de anlamsız. hsb2 prog son (3 = vocation): 1-3 p = 0.0199.
Planlı kontrastlar (katsayı listesi)
Kavram: Planlı kontrast, veriye bakmadan önce belirlenmiş özel bir soruyu sınar. Grup ortalamaları toplamı sıfır olan katsayılarla ağırlıklandırılır; örneğin -1, 0,5, 0,5 katsayıları birinci grubu diğer iki grubun ortalamasıyla karşılaştırır.
Gündelik örnek: Araştırmacının asıl sorusu 'gübre vermek, hangi doz olursa olsun, gübresizlikten daha mı iyi?' ise -1, 0,5, 0,5 kontrastı gübresiz grubu iki doz grubunun ortalamasıyla tek bir testte karşılaştırır.
Ne işe yarar: ψ = Σ c·ȳ kontrastını havuzlanmış (t, N - k) ve Welch (Satterthwaite) sürümleriyle sınar.
Sonuca etkisi: Yalnız kontrast satırları. Toplamı 0 olmayan katsayıda uyarı yazılır; katsayı sayısı k değilse analiz hata mesajıyla durur.
Doğrulama verisinde: crf24 (Kirk, 1968): (0, 0, 1, -1) ψ = -2.75, SE = 0.605, F = 20.6585; (1, 1, -1, -1) ψ = -9.00, F = 110.634. PlantGrowth (1, -1, 0): ψ = 0.371, t(27) = 1.331, p = 0.194.
Polinom trend (Yok, Doğrusal, Kuadratik, Kübik, 4. derece, 5. derece)
Kavram: Gruplar doğal bir sıraya ve eşit aralıklara sahipse (ör. 0, 50, 100 birim doz) polinom trend testleri ortalamaların sıra boyunca nasıl değiştiğini sınar: doğrusal trend düzenli artış ya da azalışı, kuadratik trend bir tepe ya da çukurla dönen eğriliği yakalar.
Gündelik örnek: Gübre dozları eşit aralıklıysa doğrusal trend 'doz arttıkça verim düzenli olarak artıyor mu?' sorusunu yanıtlar. Kuadratik trend anlamlı çıksaydı belli bir dozdan sonra verim artışının durduğu ya da tersine döndüğü düşünülürdü.
Ne işe yarar: Eşit aralıklı ortogonal polinom kontrastlarını sınar.
Sonuca etkisi: Yalnız trend satırları. Derece k - 1'e kırpılır.
Doğrulama verisinde: InsectSprays (k = 6): doğrusal F = 5.31 (p = 0.024), kuadratik 110.35, kübik 29.38, 4. derece 3.58 (p = 0.063), 5. derece 24.89; hsb2 prog doğrusal F = 6.64, kuadratik 34.69.
Gerçek veride örnek
Veri: Dobson 1983, R datasets PlantGrowth (n = 30)
Değişkenler: grup group (ctrl, trt1, trt2), değer weight (bitki kuru ağırlığı)
- Soru: Üç koşul (kontrol, tedavi 1, tedavi 2) bitki kuru ağırlığı ortalamaları bakımından farklı mı?
- Varsayım: Levene W = 1.237, p = 0.306; varyanslar homojen kabul edilir, klasik (Fisher) ANOVA uygundur.
- Sonuç: F(2, 27) = 4.85, p = .016. Sıfır hipotezi %5 düzeyinde reddedilir: en az bir koşulun ortalaması diğerlerinden farklıdır.
- Etki büyüklüğü: η² = .26; ağırlıktaki değişkenliğin yaklaşık dörtte biri koşuldan kaynaklanır (Cohen ölçütüyle büyük etki).
- Betimsel: En yüksek ortalama trt2 (5.53), en düşük trt1 (4.66); farkın hangi çiftten geldiğini görmek için post-hoc (ör. Tukey HSD) seçeneği kullanılmalıdır.
- APA: F(2, 27) = 4.85, p = .016, η² = .26.
İlgili kavramlar
Dunnett testi (kontrol grubuyla karşılaştırma)Welch düzeltmesiBrown-Forsythe F* testiHarf gösterimi (homojen alt kümeler)Kutu grafiği (kutu-bıyık)Polinom (eğilim) karşıtlıklarıKarşıtlık (kontrast) ve özel karşıtlık (L)Omega kare (ω²)
Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.