Wieloczynnikowa ANOVA
Jednoczynnikowa analiza wariancji (ANOVA) Idea
Używamy w sytuacji kiedy mamy jedną zmienną nominalną i jedną ilościową. Zmienna ilościowa dzieli pomiary na dwie lub więcej grup. ANOVA jest najpopularniejszą metodą porównywania średnich. Istnieje bardzo dużo wariantów tej techniki.
Hipoteza zerowa
Badamy równość średnich w kilku grupach.
Wieloczynnikowa ANOVA Założenia
Założenia
Niezależność – najważniejsze, Jednorodność wariancji, Normalność – najmniej ważne.
ANOVA jest bardziej odporna w przypadku układów zbalansowanych.
Wieloczynnikowa ANOVA Test Kruskala-Wallisa (1952)
Test Kruskala-Wallisa
Test nieparametryczny, rangowy będący uogólnieniem testu Wilcoxona na więcej niż dwie grupy. Testujemy równość median. Nie zakładamy normalności danych. Zakładamy jedynie, że rozkłady w grupach mają te same kształty.
Wieloczynnikowa ANOVA Test Friedmana (1937)
Test Friedmana
Test nieparametryczny, będący alternatywą dla ANOVA z powtarzanymi pomiarami (dane zależne).
Wieloczynnikowa ANOVA
Wieloczynnikowa ANOVA
Czynnikjest elementem doświadczenia. Doświadczenie wieloczynnikowe powstaje poprzez kombinację wszystkich możliwych grupowań kilku czynników.
Czynniki oznaczmy wielkimi literami A, B, C itd. Czynnik A ma a poziomów, B ma b poziomów itd.
Wieloczynnikowa ANOVA
Wieloczynnikowa ANOVA
Interakcja
Interakcjaopisuje jak zmienia się poziom jednego czynnika wraz ze zmianami innego czynnika.
Model zawierający jedynie główne efekty bez interakcji nazywany jest modelemaddytywnym, w przeciwnym razie jest to model nieaddytywny.
Wieloczynnikowa ANOVA
Wieloczynnikowa ANOVA
Zalety modeli czynnikowych
Możemy uwzględnić interakcję.
Jeśli interakcja nie występuje doświadczenie czynnikowe jest bardziej efektywne niż eksperyment jednoczynnikowy.