{"id":1616,"date":"2023-07-25T15:47:14","date_gmt":"2023-07-25T15:47:14","guid":{"rendered":"https:\/\/statorials.org\/nl\/welchs-anova-in-r\/"},"modified":"2023-07-25T15:47:14","modified_gmt":"2023-07-25T15:47:14","slug":"welchs-anova-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/welchs-anova-in-r\/","title":{"rendered":"Hoe u welch's anova in r uitvoert (stap voor stap)"},"content":{"rendered":"

<\/p>\n

\n

De ANOVA van Welch<\/strong> is een alternatief voor de typische eenrichtings-ANOVA<\/a> wanneer niet aan de aanname van gelijkheid van varianties<\/a> wordt voldaan.<\/span><\/p>\n

In het volgende stapsgewijze voorbeeld ziet u hoe u Welch’s ANOVA in R uitvoert.<\/span><\/p>\n

Stap 1: Cre\u00eber de gegevens<\/strong><\/span><\/h3>\n

Om te bepalen of drie verschillende studietechnieken tot verschillende examenresultaten leiden, wijst een professor willekeurig 10 studenten toe om elke techniek (Techniek A, B of C) een week lang te gebruiken, en geeft vervolgens elke student een test van gelijke moeilijkheidsgraad.<\/span><\/p>\n

Hieronder vindt u de examenresultaten van de 30 studenten:<\/span><\/p>\n

 #create data frame<\/span>\ndf <-data. frame<\/span> (group = rep<\/span> (c(' A<\/span> ', ' B<\/span> ', ' C<\/span> '), each<\/span> =10),\n                score = c(64, 66, 68, 75, 78, 94, 98, 79, 71, 80,\n                          91, 92, 93, 85, 87, 84, 82, 88, 95, 96,\n                          79, 78, 88, 94, 92, 85, 83, 85, 82, 81))\n\n#view first six rows of data frame\n<\/span>head(df)\n\n   group score\n1 to 64\n2 to 66\n3 to 68\n4 to 75\n5 to 78\n6 to 94<\/strong><\/pre>\n
 Stap 2: Test op gelijke verschillen<\/strong><\/span><\/h3>\n
 Vervolgens kunnen we de Bartlett-test<\/a> uitvoeren om te bepalen of de varianties tussen elke groep gelijk zijn.<\/span><\/p>\n
 Als de p-waarde<\/a> van de teststatistiek onder een bepaald significantieniveau ligt (zoals \u03b1 = 0,05), kunnen we de nulhypothese verwerpen en concluderen dat niet alle groepen dezelfde variantie hebben.<\/span><\/p>\n
 Om de Bartlett-test uit te voeren, kunnen we de bartlett.test-<\/strong> functie in basis R gebruiken, die de volgende syntaxis gebruikt:<\/span><\/p>\n
 bartlett.test(formule, gegevens)<\/strong><\/span><\/p>\n
 Zo gebruikt u deze functie in ons voorbeeld:<\/span><\/p>\n
 #perform Bartlett's test\n<\/span>bartlett. test<\/span> (score ~ group, data = df)\n\n\tBartlett test of homogeneity of variances\n\ndata: score by group\nBartlett's K-squared = 8.1066, df = 2, p-value = 0.01737\n<\/strong><\/pre>\n
 De p-waarde ( .01737<\/strong> ) van de Bartlett-test is kleiner dan \u03b1 = .05, wat betekent dat we de nulhypothese kunnen verwerpen dat elke groep dezelfde variantie heeft.<\/span><\/p>\n
 De aanname van gelijkheid van varianties wordt dus geschonden en we kunnen doorgaan met Welch’s ANOVA.<\/span><\/p>\n
 Stap 3: Voer de ANOVA van Welch uit<\/strong><\/span><\/h3>\n
 Om Welch’s ANOVA in R uit te voeren, kunnen we de R-base oneway.test()<\/strong> -functie als volgt gebruiken:<\/span><\/p>\n
 #perform Welch's ANOVA\n<\/span>oneway. test<\/span> (score ~ group, data = df, var. equal<\/span> = FALSE<\/span> )\n\n\tOne-way analysis of means (not assuming equal variances)\n\ndata: score and group\nF = 5.3492, num df = 2.00, denom df = 16.83, p-value = 0.01591\n<\/strong><\/pre>\n
 De totale p-waarde ( 0,01591<\/strong> ) van de ANOVA-tabel is kleiner dan \u03b1 = 0,05, wat betekent dat we de nulhypothese kunnen verwerpen dat de examenresultaten gelijk zijn voor de drie onderzoekstechnieken.<\/span><\/p>\n
 Vervolgens kunnen we een post-hoctest uitvoeren om te bepalen welke groepsgemiddelden verschillend zijn. Raadpleeg de volgende zelfstudies om te zien hoe u verschillende post-hoc-tests in R kunt uitvoeren:<\/span><\/p>\n