Je\u015bli og\u00f3lna warto\u015b\u0107 p<\/a> tabeli ANOVA jest poni\u017cej pewnego poziomu istotno\u015bci, w\u00f3wczas mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce co najmniej jedna ze \u015brednich grupowych r\u00f3\u017cni si\u0119 od pozosta\u0142ych.<\/span><\/p>\n Nie m\u00f3wi nam to jednak , kt\u00f3re<\/em> grupy r\u00f3\u017cni\u0105 si\u0119 od siebie. To po prostu m\u00f3wi nam, \u017ce nie wszystkie \u015brednie grupowe s\u0105 r\u00f3wne.<\/span><\/p>\n Aby dok\u0142adnie wiedzie\u0107, kt\u00f3re grupy si\u0119 od siebie r\u00f3\u017cni\u0105, musimy przeprowadzi\u0107test post-hoc<\/a> , kt\u00f3ry mo\u017ce kontrolowa\u0107 poziom<\/span> b\u0142\u0119d\u00f3w w przeliczeniu na rodzin\u0119<\/a> .<\/span><\/p>\n Jednym z najcz\u0119\u015bciej stosowanych test\u00f3w post hoc jest test Scheffe\u2019a.<\/span><\/p>\n W tym samouczku wyja\u015bniono, jak wykona\u0107 test Scheffe w j\u0119zyku R.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce nauczyciel chce wiedzie\u0107, czy trzy r\u00f3\u017cne techniki uczenia si\u0119 prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w uczni\u00f3w w testach. Aby to sprawdzi\u0107, losowo przydziela 10 uczni\u00f3w do stosowania ka\u017cdej techniki uczenia si\u0119 i rejestruje wyniki ich egzamin\u00f3w.<\/span><\/p>\n Mo\u017cemy wykona\u0107 nast\u0119puj\u0105ce kroki w j\u0119zyku R, aby dopasowa\u0107 jednokierunkow\u0105 analiz\u0119 ANOVA w celu sprawdzenia r\u00f3\u017cnic w \u015brednich wynikach egzamin\u00f3w pomi\u0119dzy trzema grupami i u\u017cy\u0107 testu Scheffe’a, aby dok\u0142adnie okre\u015bli\u0107, kt\u00f3re grupy si\u0119 r\u00f3\u017cni\u0105.<\/span><\/p>\n Krok 1: Utw\u00f3rz zbi\u00f3r danych.<\/span><\/strong><\/p>\n Poni\u017cszy kod pokazuje, jak utworzy\u0107 zbi\u00f3r danych zawieraj\u0105cy wyniki egzamin\u00f3w wszystkich 30 uczni\u00f3w:<\/span><\/p>\n Krok 2: Wy\u015bwietl wyniki egzaminu dla ka\u017cdej grupy.<\/span><\/strong><\/p>\n Poni\u017cszy kod pokazuje, jak utworzy\u0107 wykresy skrzynkowe w celu wizualizacji rozk\u0142adu wynik\u00f3w egzaminu dla ka\u017cdej grupy:<\/span> <\/p>\n Krok 3: Wykonaj jednokierunkow\u0105 ANOVA.<\/span><\/strong><\/p>\n Poni\u017cszy kod pokazuje, jak przeprowadzi\u0107 jednoczynnikow\u0105 analiz\u0119 ANOVA, aby sprawdzi\u0107 r\u00f3\u017cnice mi\u0119dzy \u015brednimi wynikami egzaminu w ka\u017cdej grupie:<\/span><\/p>\n Poniewa\u017c og\u00f3lna warto\u015b\u0107 p ( 0,0476<\/strong> ) jest mniejsza ni\u017c 0,05, oznacza to, \u017ce ka\u017cda grupa nie ma tego samego \u015bredniego wyniku z egzaminu.<\/span><\/p>\n Nast\u0119pnie przeprowadzimy test Scheffe’a, aby okre\u015bli\u0107, kt\u00f3re grupy s\u0105 r\u00f3\u017cne.<\/span><\/p>\n Krok 4: Wykonaj test Scheffe’a.<\/strong><\/span><\/p>\n Do wykonania testu Scheffe’a u\u017cyjemy funkcji ScheffeTest()<\/strong> z pakietu DescTools<\/a> .<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak u\u017cywa\u0107 tej funkcji w naszym przyk\u0142adzie:<\/span><\/p>\n Spos\u00f3b interpretacji wyniku jest nast\u0119puj\u0105cy:<\/span><\/p>\n W zale\u017cno\u015bci od tego, jaki poziom istotno\u015bci zdecydujemy si\u0119 zastosowa\u0107, jedyne dwie grupy, kt\u00f3re wydaj\u0105 si\u0119 statystycznie istotnie r\u00f3\u017cne, to Technika 3 i Technika 1.<\/span><\/p>\n Jak wykona\u0107 jednokierunkow\u0105 ANOVA w R<\/a> Jednoczynnikow\u0105 ANOVA stosuje si\u0119 do okre\u015blenia, czy istnieje statystycznie istotna r\u00f3\u017cnica mi\u0119dzy \u015brednimi z trzech lub wi\u0119cej niezale\u017cnych grup. Je\u015bli og\u00f3lna warto\u015b\u0107 p tabeli ANOVA jest poni\u017cej pewnego poziomu istotno\u015bci, w\u00f3wczas mamy wystarczaj\u0105ce dowody, aby stwierdzi\u0107, \u017ce co najmniej jedna ze \u015brednich grupowych r\u00f3\u017cni si\u0119 od pozosta\u0142ych. Nie m\u00f3wi nam to jednak , kt\u00f3re grupy […]<\/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-1240","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: test Scheffe\u2019a w R<\/strong><\/span><\/h3>\n
#create data frame<\/span>\ndata <- data.frame(technique = rep<\/span> (c(\"tech1\", \"tech2\", \"tech3\"), each<\/span> = 10<\/span> ),\n score = c(76, 77, 77, 81, 82, 82, 83, 84, 85, 89,\n 81, 82, 83, 83, 83, 84, 87, 90, 92, 93,\n 77, 78, 79, 88, 89, 90, 91, 95, 95, 98))\n\n#view first six rows of data frame<\/span>\nhead(data)\n\n technical score\n1 tech1 76\n2 tech1 77\n3 tech1 77\n4 tech1 81\n5 tech1 82\n6 tech1 82\n<\/strong><\/pre>\n boxplot(score ~ technique,\n data = data,\n main = \"Exam Scores by Studying Technique\",\n xlab = \"Studying Technique\",\n ylab = \"Exam Scores\",\n col = \"steelblue\",\n border = \"black\")\n<\/strong><\/pre>\n
![\"Korekta](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/bonf1.png\")
<\/p>\n #fit the one-way ANOVA model<\/span>\nmodel <- aov(score ~ technique, data = data)\n\n#view model output\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \ntechnical 2 211.5 105.73 3.415 0.0476 *\nResiduals 27 836.0 30.96 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n #load DescTools package<\/span>\nlibrary(DescTools)\n\n#perform Scheffe's test\n<\/span>ScheffeTest(model)\n\n Posthoc multiple comparisons of means: Scheffe Test \n 95% family-wise confidence level\n\n$technical\n diff lwr.ci upr.ci pval \ntech2-tech1 4.2 -2.24527202 10.645272 0.2582 \ntech3-tech1 6.4 -0.04527202 12.845272 0.0519 . \ntech3-tech2 2.2 -4.24527202 8.645272 0.6803 \n\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak wykona\u0107 test Tukeya w R<\/a>
Jak wykona\u0107 poprawk\u0119 Bonferroniego w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"