<\/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 Sie in Python eine einfaktorielle ANOVA mit wiederholten Messungen durchf\u00fchren.<\/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.<\/span><\/p>\n 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 Python durchzuf\u00fchren.<\/span><\/p>\n Schritt 1: Geben Sie die Daten ein.<\/strong><\/span><\/p>\n Zuerst erstellen wir einen Pandas-DataFrame 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 mithilfe der Funktion AnovaRM()<\/a> aus der Statistikmodellbibliothek<\/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 24,7589<\/strong> und der entsprechende p-Wert betr\u00e4gt 0,0000<\/strong> .<\/span><\/p>\n Da dieser p-Wert<\/a> 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. 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) = 24,75887, p < 0,001).<\/span><\/p>\n<\/blockquote>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu ANOVAs mit wiederholten Messungen:<\/span><\/p>\n Einfaktorielle ANOVA und ANOVA mit wiederholten Messungen: der Unterschied<\/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 Sie in Python eine einfaktorielle ANOVA mit wiederholten Messungen durchf\u00fchren. Beispiel: ANOVA mit wiederholten Messungen in Python […]<\/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 Python<\/strong><\/span><\/h2>\n
import<\/span> numpy as<\/span> np\nimport<\/span> pandas as<\/span> pd\n\n#createdata<\/span>\ndf = pd.DataFrame({'patient': np.repeat([1, 2, 3, 4, 5], 4),\n 'drug': np.tile([1, 2, 3, 4], 5),\n 'response': [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 first ten rows of data<\/span> \ndf.head[:10]\n\n\n\tpatient drug response\n0 1 1 30\n1 1 2 28\n2 1 3 16\n3 1 4 34\n4 2 1 14\n5 2 2 18\n6 2 3 10\n7 2 4 22\n8 3 1 24\n9 3 2 20<\/strong><\/pre>\n from<\/span> statsmodels.stats.anova import<\/span> AnovaRM\n<\/span>\n#perform the repeated measures ANOVA<\/span>\nprint(AnovaRM(data= df<\/span> , depvar=' response<\/span> ', subject=' patient<\/span> ', within=[' drug<\/span> ']).fit())\n\n Anova\n====================================\n F Value Num DF Den DF Pr > F\n----------------------------------\ndrug 24.7589 3.0000 12.0000 0.0000\n====================================\n<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie manuell eine ANOVA mit wiederholten Messungen durch<\/a>
Die drei Annahmen der ANOVA mit wiederholten Messungen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"