Come calcolare eta al quadrato in r
Eta al quadrato è una misura della dimensione dell’effetto comunemente utilizzata nei modelli ANOVA.
Misura la proporzione della varianza associata a ciascun effetto principale ed effetto di interazione in un modello ANOVA e viene calcolato come segue:
Eta al quadrato = effetto SS / SS totale
Oro:
- Effetto SS: la somma dei quadrati di un effetto per una variabile.
- SS totale : la somma totale dei quadrati nel modello ANOVA.
Il valore di Eta al quadrato varia da 0 a 1, dove valori più vicini a 1 indicano una percentuale maggiore di varianza che può essere spiegata da una determinata variabile nel modello.
Per interpretare i valori Eta al quadrato vengono utilizzate le seguenti regole pratiche:
- .01: dimensione dell’effetto piccola
- .06: dimensione media dell’effetto
- .14 o superiore: dimensione dell’effetto grande
Questo tutorial fornisce un esempio passo passo di come calcolare Eta al quadrato per le variabili in un modello ANOVA in R.
Passaggio 1: creare i dati
Diciamo che vogliamo determinare se l’intensità dell’esercizio e il sesso influiscono sulla perdita di peso.
Per testarlo, reclutiamo 30 uomini e 30 donne per partecipare a un esperimento in cui assegniamo casualmente 10 di ciascuno a seguire un programma senza esercizio fisico, esercizio leggero o esercizio intenso per un mese.
Il codice seguente mostra come creare un data frame per contenere i dati con cui stiamo lavorando:
#make this example reproducible set.seed(10) #create data frame data <- data.frame(gender= rep (c(" Male ", " Female "), each = 30), exercise= rep (c(" None ", " Light ", "Intense"), each = 10, times =2), weight_loss=c(runif(10, -3, 3), runif(10, 0, 5), runif(10, 5, 9), runif(10, -4, 2), runif(10, 0, 3), runif(10, 3, 8))) #view first six rows of data frame head(data) # gender exercise weight_loss #1 Male None 0.04486922 #2 Male None -1.15938896 #3 Male None -0.43855400 #4 Male None 1.15861249 #5 Male None -2.48918419 #6 Male None -1.64738030 #see how many participants are in each group table(data$gender, data$exercise) # Intense Light None # Female 10 10 10 # Male 10 10 10
Passaggio 2: adattare il modello ANOVA
Il codice seguente mostra come adattare un’ANOVA a due vie utilizzando l’esercizio fisico e il sesso come fattori e la perdita di peso come variabile di risposta :
#fit the two-way ANOVA model model <- aov(weight_loss ~ gender + exercise, data = data) #view the model output summary(model) Df Sum Sq Mean Sq F value Pr(>F) gender 1 15.8 15.80 9.916 0.00263 ** exercise 2 505.6 252.78 158.610 < 2nd-16 *** Residuals 56 89.2 1.59
Passaggio 3: calcolare Eta quadrato
Possiamo calcolare la dimensione dell’effetto al quadrato Eta per ciascuna variabile nel nostro modello utilizzando la funzione etaSquared() del pacchetto lsr :
#load lsr package library (lsr) #calculate Eta Squared etaSquared(model) eta.sq eta.sq.part gender 0.0258824 0.1504401 exercise 0.8279555 0.8499543
Gli Eta al quadrato per sesso ed esercizio fisico sono i seguenti:
- Eta al quadrato per il genere: 0,0258824
- Eta al quadrato dell’esercizio: 0,8279555
Vorremmo concludere che la dimensione dell’effetto per l’esercizio è molto ampia, mentre la dimensione dell’effetto per il genere è piuttosto piccola.
Questi risultati corrispondono ai valori p visualizzati nel risultato della tabella ANOVA. Il valore p per l’esercizio (<0,000) è molto inferiore al valore p per il sesso (0,00263), indicando che l’esercizio è molto più significativo nel predire la perdita di peso.
Risorse addizionali
I seguenti tutorial spiegano come adattare diversi modelli ANOVA in R:
Come eseguire l’ANOVA unidirezionale in R
Come eseguire l’ANOVA bidirezionale in R
Come eseguire l’ANOVA a misure ripetute in R