<\/p>\n
Eine ANOVA mit wiederholten Messungen<\/a> wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen besteht, in denen in jeder Gruppe dieselben Probanden vorkommen.<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie eine einfaktorielle ANOVA mit wiederholten Messungen in R durchgef\u00fchrt wird.<\/span><\/p>\n Die Forscher wollen wissen, ob vier verschiedene Medikamente unterschiedliche Reaktionszeiten verursachen. Um dies zu testen, ma\u00dfen sie die Reaktionszeiten von f\u00fcnf Patienten auf vier verschiedene Medikamente. Da bei jedem Patienten jedes der vier Medikamente gemessen wird, verwenden wir eine ANOVA mit wiederholten Messungen, um festzustellen, ob sich die mittlere Reaktionszeit zwischen den Medikamenten unterscheidet.<\/span><\/p>\n F\u00fchren Sie die folgenden Schritte aus, um eine ANOVA mit wiederholten Messungen in R durchzuf\u00fchren.<\/span><\/p>\n Schritt 1: Geben Sie die Daten ein.<\/strong><\/span><\/p>\n Zuerst erstellen wir einen Datenrahmen zur Speicherung unserer Daten:<\/span><\/p>\n Schritt 2: F\u00fchren Sie eine ANOVA mit wiederholten Messungen durch.<\/strong><\/span><\/p>\n Als n\u00e4chstes f\u00fchren wir die ANOVA mit wiederholten Messungen mit der Funktion aov()<\/strong> durch:<\/span><\/p>\n Schritt 3: Interpretieren Sie die Ergebnisse.<\/strong><\/span><\/p>\n Eine ANOVA mit wiederholten Messungen verwendet die folgenden Null- und Alternativhypothesen:<\/span><\/p>\n Die Nullhypothese (H 0<\/sub> ):<\/strong> \u00b5 1<\/sub> = \u00b5 2<\/sub> = \u00b5 3<\/sub> (Grundgesamtheitsmittelwerte sind alle gleich)<\/span><\/p>\n Die Alternativhypothese: (Ha):<\/strong> Mindestens ein Populationsmittelwert unterscheidet sich vom Rest<\/span><\/p>\n In diesem Beispiel betr\u00e4gt die F-Teststatistik 24,76<\/strong> und der entsprechende p-Wert betr\u00e4gt 1,99e-05<\/strong> . Da dieser p-Wert kleiner als 0,05 ist, lehnen wir die Nullhypothese ab und kommen zu dem Schluss, dass es einen statistisch signifikanten Unterschied in den durchschnittlichen Reaktionszeiten zwischen den vier Medikamenten gibt.<\/span><\/p>\n Schritt 4: Melden Sie die Ergebnisse.<\/strong><\/span><\/p>\n Abschlie\u00dfend werden wir \u00fcber die Ergebnisse unserer ANOVA mit wiederholten Messungen berichten.<\/span><\/p>\n Hier ist ein Beispiel daf\u00fcr:<\/span><\/p>\n Eine einfaktorielle ANOVA mit wiederholten Messungen wurde an f\u00fcnf Personen durchgef\u00fchrt, um die Wirkung von vier verschiedenen Medikamenten auf die Reaktionszeit zu untersuchen.<\/span><\/p>\n Die Ergebnisse zeigten, dass die Art der verwendeten Medikamente zu statistisch signifikanten Unterschieden in der Reaktionszeit f\u00fchrte (F(3, 12) = 24,76, p < 0,001).<\/span><\/p>\n<\/blockquote>\n ANOVA mit wiederholten Messungen: Definition, Formel und Beispiel<\/a> Eine ANOVA mit wiederholten Messungen wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr Gruppen besteht, in denen in jeder Gruppe dieselben Probanden vorkommen. In diesem Tutorial wird erl\u00e4utert, wie eine einfaktorielle ANOVA mit wiederholten Messungen in R durchgef\u00fchrt wird. Beispiel: ANOVA mit wiederholten Messungen in R […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Beispiel: ANOVA mit wiederholten Messungen in R<\/strong><\/span><\/h3>\n
#create data<\/span>\ndf <- data.frame(patient= rep<\/span> (1:5, each<\/span> =4),\n drug= rep<\/span> (1:4, times<\/span> =5),\n response=c(30, 28, 16, 34,\n 14, 18, 10, 22,\n 24, 20, 18, 30,\n 38, 34, 20, 44,\n 26, 28, 14, 30))\n\n#view data<\/span>\ndf\n\n patient drug response\n1 1 1 30\n2 1 2 28\n3 1 3 16\n4 1 4 34\n5 2 1 14\n6 2 2 18\n7 2 3 10\n8 2 4 22\n9 3 1 24\n10 3 2 20\n11 3 3 18\n12 3 4 30\n13 4 1 38\n14 4 2 34\n15 4 3 20\n16 4 4 44\n17 5 1 26\n18 5 2 28\n19 5 3 14\n20 5 4 30<\/strong><\/pre>\n #fit repeated measures ANOVA model<\/span>\nmodel <- aov(response~ factor<\/span> (drug)+ Error<\/span> ( factor<\/span> (patient)), data = df)\n\n#view model summary<\/span>\nsummary(model)\n<\/span>\nError: factor(patient)\n Df Sum Sq Mean Sq F value Pr(>F)\nResiduals 4 680.8 170.2 \n\nError: Within\n Df Sum Sq Mean Sq F value Pr(>F) \nfactor(drug) 3 698.2 232.7 24.76 1.99e-05 ***\nResiduals 12 112.8 9.4 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So f\u00fchren Sie manuell eine ANOVA mit wiederholten Messungen durch<\/a>
So f\u00fchren Sie eine ANOVA mit wiederholten Messungen in Python durch<\/a>
So f\u00fchren Sie eine ANOVA mit wiederholten Messungen in Excel durch<\/a>
So f\u00fchren Sie eine ANOVA mit wiederholten Messungen in SPSS durch<\/a>
So f\u00fchren Sie eine ANOVA mit wiederholten Messungen in Stata durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"