<\/p>\n
Eta al quadrato<\/a> \u00e8 una misura della dimensione dell’effetto<\/a> comunemente utilizzata nei modelli ANOVA.<\/span><\/p>\n Misura la proporzione della varianza associata a ciascun effetto principale ed effetto di interazione in un modello ANOVA e viene<\/span> calcolato come segue:<\/span><\/p>\n Eta al quadrato = effetto<\/sub> SS \/ SS totale<\/sub><\/strong><\/span><\/p>\n Oro:<\/span><\/p>\n Il valore di Eta al quadrato varia da 0 a 1, dove valori pi\u00f9 vicini a 1 indicano una percentuale maggiore di varianza che pu\u00f2 essere spiegata da una determinata variabile nel modello.<\/span><\/p>\n Per interpretare i valori Eta al quadrato vengono utilizzate le seguenti regole pratiche:<\/span><\/p>\n Questo tutorial fornisce un esempio passo passo di come calcolare Eta al quadrato per le variabili in un modello ANOVA in R.<\/span><\/p>\n Diciamo che vogliamo determinare se l’intensit\u00e0 dell’esercizio e il sesso influiscono sulla perdita di peso.<\/span><\/p>\n 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.<\/span><\/p>\n Il codice seguente mostra come creare un data frame per contenere i dati con cui stiamo lavorando:<\/span><\/p>\n Il codice seguente mostra come adattare un’ANOVA a due vie<\/a> utilizzando l’esercizio fisico e il sesso come fattori e la perdita di peso come variabile di risposta<\/a> :<\/span><\/p>\n Possiamo calcolare la dimensione dell’effetto al quadrato Eta per ciascuna variabile nel nostro modello utilizzando la funzione etaSquared()<\/a> del pacchetto lsr<\/strong> :<\/span><\/p>\n Gli Eta al quadrato per sesso ed esercizio fisico sono i seguenti:<\/span><\/p>\n Vorremmo concludere che la dimensione dell\u2019effetto per l\u2019esercizio \u00e8 molto ampia, mentre la dimensione dell\u2019effetto per il genere \u00e8 piuttosto piccola.<\/span><\/p>\n Questi risultati corrispondono ai valori p visualizzati nel risultato della tabella ANOVA. Il valore p per l\u2019esercizio (<0,000) \u00e8 molto inferiore al valore p per il sesso (0,00263), indicando che l\u2019esercizio \u00e8 molto pi\u00f9 significativo nel predire la perdita di peso.<\/span><\/p>\n I seguenti tutorial spiegano come adattare diversi modelli ANOVA in R:<\/span><\/p>\n Come eseguire l’ANOVA unidirezionale in R<\/a> Eta al quadrato \u00e8 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 […]<\/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\n
\n
Passaggio 1: creare i dati<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set.seed(10)\n\n#create data frame\n<\/span>data <- data.frame(gender= rep<\/span> (c(\" Male<\/span> \", \" Female<\/span> \"), each<\/span> = 30),\n exercise= rep<\/span> (c(\" None<\/span> \", \" Light<\/span> \", \"Intense\"), each<\/span> = 10, times<\/span> =2),\n weight_loss=c(runif(10, -3, 3), runif(10, 0, 5), runif(10, 5, 9),\n runif(10, -4, 2), runif(10, 0, 3), runif(10, 3, 8)))\n\n#view first six rows of data frame\n<\/span>head(data)\n\n# gender exercise weight_loss\n#1 Male None 0.04486922\n#2 Male None -1.15938896\n#3 Male None -0.43855400\n#4 Male None 1.15861249\n#5 Male None -2.48918419\n#6 Male None -1.64738030\n\n#see how many participants are in each group<\/span>\ntable(data$gender, data$exercise)\n\n# Intense Light None\n# Female 10 10 10\n# Male 10 10 10<\/strong><\/pre>\n Passaggio 2: adattare il modello ANOVA<\/strong><\/span><\/h2>\n
#fit the two-way ANOVA model<\/span>\nmodel <- aov(weight_loss ~ gender + exercise, data = data)\n\n#view the model output<\/span>\nsummary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \ngender 1 15.8 15.80 9.916 0.00263 ** \nexercise 2 505.6 252.78 158.610 < 2nd-16 ***\nResiduals 56 89.2 1.59 \n<\/strong><\/pre>\n Passaggio 3: calcolare Eta quadrato<\/strong><\/span><\/h2>\n
#load lsr package<\/span>\nlibrary<\/span> (lsr)\n\n#calculate Eta Squared<\/span>\netaSquared(model)\n\n eta.sq eta.sq.part\ngender 0.0258824 0.1504401\nexercise 0.8279555 0.8499543\n<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire l’ANOVA bidirezionale in R<\/a>
Come eseguire l’ANOVA a misure ripetute in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"