Dwukierunkowej analizy ANOVA u\u017cywamy, gdy chcemy wiedzie\u0107, czy dwa okre\u015blone czynniki wp\u0142ywaj\u0105 na okre\u015blon\u0105 zmienn\u0105 odpowiedzi.<\/span><\/p>\n Czasami jednak wyst\u0119puje efekt interakcji<\/strong> mi\u0119dzy dwoma czynnikami, kt\u00f3ry mo\u017ce mie\u0107 wp\u0142yw na to, jak interpretujemy zwi\u0105zek mi\u0119dzy czynnikami a zmienn\u0105 odpowiedzi.<\/span><\/p>\n Na przyk\u0142ad mo\u017cemy chcie\u0107 wiedzie\u0107, czy czynniki (1) aktywno\u015b\u0107 fizyczna<\/em> i (2) p\u0142e\u0107<\/em> wp\u0142ywaj\u0105 na zmienn\u0105 odpowiedzi dotycz\u0105c\u0105 utraty wagi<\/em> . Chocia\u017c mo\u017cliwe jest, \u017ce oba czynniki wp\u0142ywaj\u0105 na utrat\u0119 wagi, mo\u017cliwe jest r\u00f3wnie\u017c, \u017ce oddzia\u0142uj\u0105 one na siebie.<\/span><\/p>\n Na przyk\u0142ad mo\u017cliwe jest, \u017ce \u0107wiczenia powoduj\u0105 utrat\u0119 wagi w r\u00f3\u017cnym tempie u m\u0119\u017cczyzn i kobiet. W tym przypadku istnieje efekt interakcji mi\u0119dzy \u0107wiczeniami a p\u0142ci\u0105.<\/span><\/p>\n Najprostszym sposobem wykrycia i zrozumienia efekt\u00f3w interakcji mi\u0119dzy dwoma czynnikami jest u\u017cycie wykresu interakcji<\/strong> .<\/span><\/p>\n Jest to rodzaj wykresu, kt\u00f3ry wy\u015bwietla dopasowane warto\u015bci zmiennej odpowiedzi na osi y i warto\u015bci pierwszego wsp\u00f3\u0142czynnika na osi x. Tymczasem linie na wykresie przedstawiaj\u0105 warto\u015bci drugiego interesuj\u0105cego czynnika.<\/span> <\/p>\n W tym samouczku wyja\u015bniono, jak utworzy\u0107 i zinterpretowa\u0107 wykres interakcji w j\u0119zyku R.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce badacze chc\u0105 ustali\u0107, czy intensywno\u015b\u0107 \u0107wicze\u0144 i p\u0142e\u0107 wp\u0142ywaj\u0105 na utrat\u0119 wagi. Aby to przetestowa\u0107, zrekrutowali 30 m\u0119\u017cczyzn i 30 kobiet do udzia\u0142u w eksperymencie, w kt\u00f3rym losowo przydzielono 10 z nich do wykonywania przez miesi\u0105c programu bez \u0107wicze\u0144, lekkich lub intensywnych \u0107wicze\u0144.<\/span><\/p>\n Wykonaj poni\u017csze kroki, aby utworzy\u0107 ramk\u0119 danych w j\u0119zyku R, wykona\u0107 dwukierunkow\u0105 analiz\u0119 ANOVA i utworzy\u0107 wykres interakcji w celu wizualizacji efektu interakcji mi\u0119dzy \u0107wiczeniami a p\u0142ci\u0105.<\/span><\/p>\n Krok 1: Utw\u00f3rz dane.<\/strong><\/span><\/p>\n Poni\u017cszy kod pokazuje, jak utworzy\u0107 ramk\u0119 danych w R:<\/span><\/p>\n Krok 2: Dopasuj dwukierunkowy model ANOVA.<\/strong><\/span><\/p>\n Poni\u017cszy kod pokazuje, jak dopasowa\u0107 dwukierunkow\u0105 analiz\u0119 ANOVA do danych:<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce warto\u015b\u0107 p ( 0,0141<\/strong> ) dla sk\u0142adnika interakcji mi\u0119dzy \u0107wiczeniami a p\u0142ci\u0105 jest istotna statystycznie, co wskazuje, \u017ce istnieje istotny efekt interakcji mi\u0119dzy tymi dwoma czynnikami.<\/span><\/p>\n Krok 3: Utw\u00f3rz wykres interakcji.<\/strong><\/span><\/p>\n Poni\u017cszy kod pokazuje, jak utworzy\u0107 wykres interakcji dla \u0107wicze\u0144 i p\u0142ci:<\/span> <\/p>\n Og\u00f3lnie rzecz bior\u0105c, je\u015bli dwie linie wykresu interakcji s\u0105 r\u00f3wnoleg\u0142e, nie ma efektu interakcji. Je\u015bli jednak linie si\u0119 przetn\u0105, prawdopodobnie wyst\u0105pi efekt interakcji.<\/span><\/p>\n Na tym wykresie widzimy, \u017ce linie dla m\u0119\u017cczyzn i kobiet przecinaj\u0105 si\u0119, co wskazuje, \u017ce prawdopodobnie istnieje efekt interakcji pomi\u0119dzy zmiennymi dotycz\u0105cymi intensywno\u015bci \u0107wicze\u0144 a p\u0142ci\u0105.<\/span><\/p>\n Odpowiada to faktowi, \u017ce warto\u015b\u0107 p w wyniku tabeli ANOVA by\u0142a statystycznie istotna dla sk\u0142adnika interakcji w modelu ANOVA.<\/span><\/p>\n Jak wykona\u0107 jednokierunkow\u0105 ANOVA w R<\/a> Dwuczynnikow\u0105 analiz\u0119 ANOVA stosuje si\u0119 do okre\u015blenia, czy istnieje r\u00f3\u017cnica mi\u0119dzy \u015brednimi z trzech lub wi\u0119kszej liczby niezale\u017cnych grup, kt\u00f3re zosta\u0142y podzielone na dwa czynniki. Dwukierunkowej analizy ANOVA u\u017cywamy, gdy chcemy wiedzie\u0107, czy dwa okre\u015blone czynniki wp\u0142ywaj\u0105 na okre\u015blon\u0105 zmienn\u0105 odpowiedzi. Czasami jednak wyst\u0119puje efekt interakcji mi\u0119dzy dwoma czynnikami, kt\u00f3ry mo\u017ce mie\u0107 wp\u0142yw na to, […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1043","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n![\"Fabu\u0142a](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/interactionplot1.png\")
<\/p>\n Przyk\u0142ad: wykres interakcji w R<\/strong><\/span><\/h3>\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\", \"Female\"), each<\/span> = 30<\/span> ),\n exercise = rep<\/span> (c(\"None\", \"Light\", \"Intense\"), each<\/span> = 10<\/span> , times<\/span> = 2<\/span> ),\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\n1 Male None 0.04486922\n2 Male None -1.15938896\n3 Male None -0.43855400\n4 Male None 1.15861249\n5 Male None -2.48918419\n6 Male None -1.64738030<\/strong><\/pre>\n #fit the two-way ANOVA model\n<\/span>model <- 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) \n#gender 1 15.8 15.80 11.197 0.0015 ** \n#exercise 2 505.6 252.78 179.087 <2e-16 ***\n#gender:exercise 2 13.0 6.51 4.615 0.0141 * \n#Residuals 54 76.2 1.41 \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n interaction.plot(x.factor = data$exercise, #x-axis variable<\/span>\n trace.factor = data$gender, #variable for lines<\/span>\n response = data$weight_loss, #y-axis variable<\/span>\n fun = median, #metric to plot<\/span>\n ylab = \"Weight Loss\",\n xlab = \"Exercise Intensity\",\n col = c(\"pink\", \"blue\"),\n lty = 1, #line type<\/span>\n lwd = 2, #linewidth<\/span>\n trace.label = \"Gender\")\n<\/strong><\/pre>\n<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykona\u0107 dwukierunkow\u0105 ANOVA w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"