<\/p>\n
Tr\u00f3jczynnikow\u0105 analiz\u0119 ANOVA<\/strong> stosuje si\u0119 w celu ustalenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119kszej liczby niezale\u017cnych grup, kt\u00f3re zosta\u0142y rozdzielone na trzy czynniki.<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak wykona\u0107 tr\u00f3jczynnikow\u0105 analiz\u0119 ANOVA w R.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce badacz chce ustali\u0107, czy dwa programy treningowe prowadz\u0105 do r\u00f3\u017cnej \u015bredniej poprawy wysoko\u015bci skoku w\u015br\u00f3d koszykarzy z college’u.<\/span><\/p>\n Badacz podejrzewa, \u017ce p\u0142e\u0107 i podzia\u0142 (I lub II Dywizja) r\u00f3wnie\u017c mog\u0105 mie\u0107 wp\u0142yw na wysoko\u015b\u0107 skoku, dlatego zbiera dane r\u00f3wnie\u017c na temat tych czynnik\u00f3w.<\/span><\/p>\n Jego celem jest wykonanie tr\u00f3jczynnikowej analizy ANOVA w celu okre\u015blenia, w jaki spos\u00f3b program treningowy, p\u0142e\u0107 i kategoria wp\u0142ywaj\u0105 na wysoko\u015b\u0107 skoku.<\/span><\/p>\n Wykonaj nast\u0119puj\u0105ce kroki, aby wykona\u0107 tr\u00f3jczynnikow\u0105 ANOVA w R:<\/span><\/p>\n Krok 1: Utw\u00f3rz dane<\/strong><\/span><\/p>\n Najpierw utw\u00f3rzmy ramk\u0119 danych do przechowywania danych:<\/span><\/p>\n Krok 2: Wy\u015bwietl statystyki opisowe<\/strong><\/span><\/p>\n Przed wykonaniem tr\u00f3jczynnikowej analizy ANOVA mo\u017cemy u\u017cy\u0107 dplyr<\/a> , aby szybko podsumowa\u0107 \u015bredni wzrost wysoko\u015bci skoku pogrupowany wed\u0142ug programu treningowego, p\u0142ci i klasy:<\/span><\/p>\n Oto jak zinterpretowa\u0107 wynik:<\/span><\/p>\n I tak dalej.<\/span><\/p>\n Krok 3: Wykonaj tr\u00f3jczynnikow\u0105 ANOVA<\/strong><\/span><\/p>\n Nast\u0119pnie mo\u017cemy u\u017cy\u0107 funkcji aov()<\/strong> , aby wykona\u0107 tr\u00f3jczynnikow\u0105 analiz\u0119 ANOVA:<\/span><\/p>\n Kolumna Pr(>F)<\/strong> wy\u015bwietla warto\u015b\u0107 p dla ka\u017cdego pojedynczego czynnika i interakcje mi\u0119dzy czynnikami.<\/span><\/p>\n Z wynik\u00f3w wynika, \u017ce \u017cadna z interakcji pomi\u0119dzy trzema czynnikami nie by\u0142a istotna statystycznie.<\/span><\/p>\n Widzimy te\u017c, \u017ce ka\u017cdy z trzech czynnik\u00f3w \u2013 program, p\u0142e\u0107 i podzia\u0142 \u2013 by\u0142 istotny statystycznie.<\/span><\/p>\n Mo\u017cemy teraz ponownie u\u017cy\u0107 dplyr, aby znale\u017a\u0107 \u015bredni wzrost wysoko\u015bci skoku oddzielnie dla programu, p\u0142ci i dywizji:<\/span><\/p>\n Na podstawie wyniku mo\u017cemy zaobserwowa\u0107, co nast\u0119puje:<\/span><\/p>\n Podsumowuj\u0105c, mo\u017cna powiedzie\u0107, \u017ce program treningowy, p\u0142e\u0107 i kategoria s\u0105 znacz\u0105cymi wska\u017anikami zwi\u0119kszonej wysoko\u015bci skoku u zawodnik\u00f3w.<\/span><\/p>\n Powiedzieliby\u015bmy r\u00f3wnie\u017c, \u017ce nie ma znacz\u0105cych efekt\u00f3w interakcji mi\u0119dzy tymi trzema czynnikami.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak dopasowa\u0107 inne modele ANOVA w R:<\/span><\/p>\n Jak wykona\u0107 jednokierunkow\u0105 ANOVA w R<\/a> Tr\u00f3jczynnikow\u0105 analiz\u0119 ANOVA stosuje si\u0119 w celu ustalenia, czy istnieje statystycznie istotna r\u00f3\u017cnica pomi\u0119dzy \u015brednimi z trzech lub wi\u0119kszej liczby niezale\u017cnych grup, kt\u00f3re zosta\u0142y rozdzielone na trzy czynniki. Poni\u017cszy przyk\u0142ad pokazuje, jak wykona\u0107 tr\u00f3jczynnikow\u0105 analiz\u0119 ANOVA w R. Przyk\u0142ad: Tr\u00f3jczynnikowa ANOVA w R Za\u0142\u00f3\u017cmy, \u017ce badacz chce ustali\u0107, czy dwa programy treningowe prowadz\u0105 do r\u00f3\u017cnej […]<\/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-2546","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad: Tr\u00f3jczynnikowa ANOVA w R<\/strong><\/span><\/h2>\n
#create dataset\n<\/span>df <- data. frame<\/span> (program=rep(c(1, 2), each= 20<\/span> ),\n gender=rep(c(' M<\/span> ', ' F<\/span> '), each= 10<\/span> , times= 2<\/span> ),\n division=rep(c(1, 2), each= 5<\/span> , times= 4<\/span> ),\n height=c(7, 7, 8, 8, 7, 6, 6, 5, 6, 5,\n 5, 5, 4, 5, 4, 3, 3, 4, 3, 3,\n 6, 6, 5, 4, 5, 4, 5, 4, 4, 3,\n 2, 2, 1, 4, 4, 2, 1, 1, 2, 1)) \n\n#view first six rows of dataset\n<\/span>head(df)\n\n program gender division height\n1 1 M 1 7\n2 1 M 1 7\n3 1 M 1 8\n4 1 M 1 8\n5 1 M 1 7\n6 1 M 2 6<\/strong><\/pre>\n library<\/span> (dplyr)\n\n#calculate mean jumping height increase grouped by program, gender, and division\n<\/span>df %>%\n group_by(program, gender, division) %>%\n summarize(mean_height = mean(height))\n\n# A tibble: 8 x 4\n# Groups: program, gender [4]\n program gender division mean_height\n \n1 1 F 1 4.6\n2 1 F 2 3.2\n3 1 M 1 7.4\n4 1 M 2 5.6\n5 2 F 1 2.6\n6 2 F 2 1.4\n7 2 M 1 5.2\n8 2 M 2 4 \n<\/strong><\/pre>\n\n
#perform three-way ANOVA<\/span>\nmodel <- aov(height ~ program * gender * division, data=df)\n\n#view summary of three-way ANOVA\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \nprogram 1 36.1 36.10 65.636 2.98e-09 ***\ngender 1 67.6 67.60 122.909 1.71e-12 ***\ndivision 1 19.6 19.60 35.636 1.19e-06 ***\nprogram:gender 1 0.0 0.00 0.000 1.000 \nprogram:division 1 0.4 0.40 0.727 0.400 \ngender:division 1 0.1 0.10 0.182 0.673 \nprogram:gender:division 1 0.1 0.10 0.182 0.673 \nResiduals 32 17.6 0.55 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n library<\/span> (dplyr)\n<\/span>\n#find mean jumping increase by program<\/span>\ndf %>%\n group_by(program) %>%\n summarize(mean_height = mean(height))\n\n# A tibble: 2 x 2\n program mean_height\n \n1 1 5.2\n2 2 3.3\n\n#find mean jumping increase by gender\n<\/span>df %>%\n group_by(gender) %>%\n summarize(mean_height = mean(height))\n\n# A tibble: 2 x 2\n gender mean_height\n \n1 F 2.95\n2M 5.55\n\n#find mean jumping increase by division\n<\/span>df %>%\ngroup_by(division) %>%\nsummarize(mean_height = mean(height))\n\n# A tibble: 2 x 2\n division mean_height\n \n1 1 4.95\n2 2 3.55<\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak wykona\u0107 dwukierunkow\u0105 ANOVA w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"