Jak utworzyć wykres interakcji w r

Dwuczynnikową analizę ANOVA stosuje się do określenia, czy istnieje różnica między średnimi z trzech lub większej liczby niezależnych grup, które zostały podzielone na dwa czynniki.

Dwukierunkowej analizy ANOVA używamy, gdy chcemy wiedzieć, czy dwa określone czynniki wpływają na określoną zmienną odpowiedzi.

Czasami jednak występuje efekt interakcji między dwoma czynnikami, który może mieć wpływ na to, jak interpretujemy związek między czynnikami a zmienną odpowiedzi.

Na przykład możemy chcieć wiedzieć, czy czynniki (1) aktywność fizyczna i (2) płeć wpływają na zmienną odpowiedzi dotyczącą utraty wagi . Chociaż możliwe jest, że oba czynniki wpływają na utratę wagi, możliwe jest również, że oddziałują one na siebie.

Na przykład możliwe jest, że ćwiczenia powodują utratę wagi w różnym tempie u mężczyzn i kobiet. W tym przypadku istnieje efekt interakcji między ćwiczeniami a płcią.

Najprostszym sposobem wykrycia i zrozumienia efektów interakcji między dwoma czynnikami jest użycie wykresu interakcji .

Jest to rodzaj wykresu, który wyświetla dopasowane wartości zmiennej odpowiedzi na osi y i wartości pierwszego współczynnika na osi x. Tymczasem linie na wykresie przedstawiają wartości drugiego interesującego czynnika.

W tym samouczku wyjaśniono, jak utworzyć i zinterpretować wykres interakcji w języku R.

Przykład: wykres interakcji w R

Załóżmy, że badacze chcą ustalić, czy intensywność ćwiczeń i płeć wpływają na utratę wagi. Aby to przetestować, zrekrutowali 30 mężczyzn i 30 kobiet do udziału w eksperymencie, w którym losowo przydzielono 10 z nich do wykonywania przez miesiąc programu bez ćwiczeń, lekkich lub intensywnych ćwiczeń.

Wykonaj poniższe kroki, aby utworzyć ramkę danych w języku R, wykonać dwukierunkową analizę ANOVA i utworzyć wykres interakcji w celu wizualizacji efektu interakcji między ćwiczeniami a płcią.

Krok 1: Utwórz dane.

Poniższy kod pokazuje, jak utworzyć ramkę danych w R:

 #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

Krok 2: Dopasuj dwukierunkowy model ANOVA.

Poniższy kod pokazuje, jak dopasować dwukierunkową analizę ANOVA do danych:

 #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 11.197 0.0015 ** 
#exercise 2 505.6 252.78 179.087 <2e-16 ***
#gender:exercise 2 13.0 6.51 4.615 0.0141 *  
#Residuals 54 76.2 1.41                   
#---
#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Należy zauważyć, że wartość p ( 0,0141 ) dla składnika interakcji między ćwiczeniami a płcią jest istotna statystycznie, co wskazuje, że istnieje istotny efekt interakcji między tymi dwoma czynnikami.

Krok 3: Utwórz wykres interakcji.

Poniższy kod pokazuje, jak utworzyć wykres interakcji dla ćwiczeń i płci:

 interaction.plot(x.factor = data$exercise, #x-axis variable
                 trace.factor = data$gender, #variable for lines
                 response = data$weight_loss, #y-axis variable
                 fun = median, #metric to plot
                 ylab = "Weight Loss",
                 xlab = "Exercise Intensity",
                 col = c("pink", "blue"),
                 lty = 1, #line type
                 lwd = 2, #linewidth
                 trace.label = "Gender")

Ogólnie rzecz biorąc, jeśli dwie linie wykresu interakcji są równoległe, nie ma efektu interakcji. Jeśli jednak linie się przetną, prawdopodobnie wystąpi efekt interakcji.

Na tym wykresie widzimy, że linie dla mężczyzn i kobiet przecinają się, co wskazuje, że prawdopodobnie istnieje efekt interakcji pomiędzy zmiennymi dotyczącymi intensywności ćwiczeń a płcią.

Odpowiada to faktowi, że wartość p w wyniku tabeli ANOVA była statystycznie istotna dla składnika interakcji w modelu ANOVA.

Dodatkowe zasoby

Jak wykonać jednokierunkową ANOVA w R
Jak wykonać dwukierunkową ANOVA w R