<\/p>\n
Un’ANOVA unidirezionale<\/a> viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti.<\/span><\/p>\n Questo tutorial fornisce una guida completa su come interpretare i risultati di un’ANOVA unidirezionale in R.<\/span><\/p>\n Supponiamo di voler determinare se tre diversi programmi di allenamento determinano una diversa perdita di peso media negli individui.<\/span><\/p>\n Per testarlo, reclutiamo<\/span> 90 persone per partecipare a un esperimento in cui assegniamo casualmente 30 persone a seguire il Programma A, il Programma B o il Programma C per un mese.<\/span><\/p>\n Il codice seguente crea il frame di dati con cui lavoreremo:<\/span><\/p>\n Successivamente, utilizzeremo il comando aov()<\/strong> per eseguire un’ANOVA unidirezionale:<\/span><\/p>\n Successivamente, utilizzeremo il comando summary()<\/strong> per visualizzare i risultati ANOVA unidirezionali:<\/span><\/p>\n Ecco come interpretare ciascun valore del risultato:<\/span><\/p>\n Programma Df:<\/strong> I gradi di libert\u00e0 della variabile programma<\/em> . Questo viene calcolato come #gruppi -1. In questo caso c’erano 3 diversi programmi di allenamento, quindi questo valore \u00e8: 3-1 = 2<\/strong> .<\/span><\/p>\n Df Residui:<\/strong> I gradi di libert\u00e0 dei residui. Questo viene calcolato come #osservazioni totali \u2013 #gruppi. In questo caso c’erano 90 osservazioni e 3 gruppi, quindi questo valore \u00e8: 90 -3 = 87<\/strong> .<\/span><\/p>\n Program Sum Sq:<\/strong> la somma dei quadrati associati alla variabile program<\/em> . Questo valore \u00e8 98,93<\/strong> .<\/span><\/p>\n Somma dei quadrati dei residui:<\/strong> somma dei quadrati associati ai residui o \u201cerrori\u201d. Questo valore \u00e8 139,57<\/strong> .<\/span><\/p>\n Quadrato medio. Programma:<\/strong> la somma media dei quadrati associati al programma. Questo viene calcolato come somma quadrata. programma \/ programma Df. In questo caso, questo viene calcolato come: 98,93 \/ 2 = 49,46<\/strong> .<\/span><\/p>\n Quadrato medio. Residui:<\/strong> somma media dei quadrati associati ai residui. Questo viene calcolato come somma quadrata. residui \/ residui Df. In questo caso, questo viene calcolato come segue: 139,57 \/ 87 = 1,60<\/strong> .<\/span><\/p>\n Valore F:<\/strong> la statistica F complessiva del modello ANOVA. Questo viene calcolato come il quadrato medio. programma\/media quadrata. Residui. In questo caso si calcola come segue: 49,46 \/ 1,60 = 30,83<\/strong> .<\/span><\/p>\n Pr(>F):<\/strong> il valore p associato alla statistica F con numeratore df = 2 e denominatore df = 87. In questo caso, il valore p \u00e8 7.552e-11<\/strong> , che \u00e8 un numero estremamente piccolo.<\/span><\/p>\n Il valore pi\u00f9 importante nell\u2019insieme dei risultati \u00e8 il valore p, perch\u00e9 ci dice se c\u2019\u00e8 una differenza significativa nei valori medi tra i tre gruppi.<\/span><\/p>\n Ricordiamo che un’ANOVA unidirezionale utilizza le seguenti ipotesi nulle e alternative:<\/span><\/p>\n Poich\u00e9 il valore p nella nostra tabella ANOVA (.7552e-11) \u00e8 inferiore a 0,05, abbiamo prove sufficienti per rifiutare l’ipotesi nulla.<\/span><\/p>\n Ci\u00f2 significa che abbiamo prove sufficienti per affermare che la perdita di peso media sperimentata dagli individui non \u00e8 uguale tra i tre programmi di allenamento.<\/span><\/p>\n Se il valore p nell’output ANOVA \u00e8 inferiore a 0,05, rifiutiamo l’ipotesi nulla. Questo ci dice che il valore medio tra ciascun gruppo non \u00e8 uguale. Tuttavia, questo non ci dice quali<\/em> gruppi differiscono l\u2019uno dall\u2019altro.<\/span><\/p>\n Per scoprirlo dobbiamo effettuare un test post hoc<\/a> . In R, possiamo usare la funzione TukeyHSD()<\/strong> per fare questo:<\/span><\/p>\n Ecco come interpretare i risultati:<\/span><\/p>\n Poich\u00e9 ciascuno dei valori p corretti \u00e8 inferiore a 0,05, possiamo concludere che esiste una differenza significativa nella perdita di peso media tra ciascun<\/em> gruppo.<\/span><\/p>\n Introduzione all’ANOVA unidirezionale<\/a> Un’ANOVA unidirezionale viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti. Questo tutorial fornisce una guida completa su come interpretare i risultati di un’ANOVA unidirezionale in R. Passaggio 1: creare i dati Supponiamo di voler determinare se tre diversi programmi di allenamento determinano […]<\/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 Passaggio 1: creare i dati<\/strong><\/h3>\n
#make this example reproducible\nset. seeds<\/span> (0)\n<\/span>\n#create data frame\ndata <- data. frame<\/span> (program = rep(c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each = 30),\n weight_loss = c(runif(30, 0, 3),\n runif(30, 0, 5),\n runif(30, 1, 7)))<\/span>\n\n#view first six rows of data frame\nhead(data)\n<\/span>\nprogram weight_loss\n1 A 2.6900916\n2 A 0.7965260\n3 A 1.1163717\n4 A 1.7185601\n5 A 2.7246234\n6 A 0.6050458<\/span>\n<\/span><\/strong><\/pre>\n Passaggio 2: eseguire l’ANOVA<\/strong><\/h3>\n
#fit one-way ANOVA model\nmodel <- aov(weight_loss ~ program, data = data)<\/span>\n<\/span><\/strong><\/pre>\n Passaggio 3: interpretare i risultati ANOVA<\/strong><\/span><\/h3>\n
#view summary of one-way ANOVA model\nsummary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nprogram 2 98.93 49.46 30.83 7.55e-11 ***\nResiduals 87 139.57 1.60 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/span><\/span><\/strong><\/pre>\n\n
Passaggio 4: eseguire test post-hoc (se necessario)<\/strong><\/span><\/h3>\n
#perform Tukey post-hoc test\nTukeyHSD(model)\n\n$program\n diff lwr upr p adj\nBA 0.9777414 0.1979466 1.757536 0.0100545\nCA 2.5454024 1.7656076 3.325197 0.0000000\nCB 1.5676610 0.7878662 2.347456 0.0000199\n<\/span><\/span><\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come verificare le ipotesi ANOVA<\/a>
Come eseguire manualmente un’ANOVA unidirezionale<\/a>
Calcolatore ANOVA unidirezionale<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"