<\/p>\n
Eta-kwadraat<\/a> is een maatstaf voor de effectgrootte<\/a> die vaak wordt gebruikt in ANOVA-modellen.<\/span><\/p>\n Het meet het variantiegedeelte dat is geassocieerd met elk hoofdeffect en interactie-effect in een ANOVA-model en wordt<\/span> als volgt berekend:<\/span><\/p>\n Eta kwadraat = SS -effect<\/sub> \/ totale<\/sub> SS<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n De waarde van Eta-kwadraat varieert van 0 tot 1, waarbij waarden dichter bij 1 een groter deel van de variantie aangeven dat kan worden verklaard door een bepaalde variabele in het model.<\/span><\/p>\n De volgende vuistregels worden gebruikt om Eta-kwadraatwaarden te interpreteren:<\/span><\/p>\n Deze tutorial biedt een stapsgewijs voorbeeld van hoe u Eta-kwadraat kunt berekenen voor variabelen in een ANOVA-model in R.<\/span><\/p>\n Laten we zeggen dat we willen bepalen of de trainingsintensiteit en het geslacht invloed hebben op het gewichtsverlies.<\/span><\/p>\n Om dit te testen rekruteren we 30 mannen en 30 vrouwen om deel te nemen aan een experiment waarbij we willekeurig 10 van elk een maand lang een programma zonder lichaamsbeweging, lichte lichaamsbeweging of intensief bewegen toewijzen.<\/span><\/p>\n De volgende code laat zien hoe u een dataframe kunt maken waarin de gegevens worden opgeslagen waarmee we werken:<\/span><\/p>\n De volgende code laat zien hoe u een tweerichtings-ANOVA<\/a> kunt toepassen met oefening en geslacht als factoren en gewichtsverlies alsresponsvariabele<\/a> :<\/span><\/p>\n We kunnen de Eta-kwadraateffectgrootte voor elke variabele in ons model berekenen met behulp van de etaSquared()-<\/a> functie uit het lsr-<\/strong> pakket:<\/span><\/p>\n De Eta in het kwadraat voor seks en lichaamsbeweging is als volgt:<\/span><\/p>\n We zouden kunnen concluderen dat de effectgrootte voor lichaamsbeweging erg groot is, terwijl de effectgrootte voor geslacht vrij klein is.<\/span><\/p>\n Deze resultaten komen overeen met de p-waarden die worden weergegeven in het resultaat van de ANOVA-tabel. De p-waarde voor lichaamsbeweging (<0,000) is veel kleiner dan de p-waarde voor geslacht (0,00263), wat aangeeft dat lichaamsbeweging veel belangrijker is bij het voorspellen van gewichtsverlies.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u verschillende ANOVA-modellen in R kunt passen:<\/span><\/p>\n Eenrichtings-ANOVA uitvoeren in R<\/a> Eta-kwadraat is een maatstaf voor de effectgrootte die vaak wordt gebruikt in ANOVA-modellen. Het meet het variantiegedeelte dat is geassocieerd met elk hoofdeffect en interactie-effect in een ANOVA-model en wordt als volgt berekend: Eta kwadraat = SS -effect \/ totale SS Goud: SS- effect : de som van de kwadraten van een effect voor een […]<\/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":[],"class_list":["post-1290","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
\n
Stap 1: Cre\u00eber de gegevens<\/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 Stap 2: Monteer het ANOVA-model<\/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 Stap 3: Bereken Eta Squared<\/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
Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe tweeweg-ANOVA uit te voeren in R<\/a>
Hoe herhaalde metingen ANOVA in R uit te voeren<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"