Za\u0142o\u017cenia<\/a> stosowane w jednokierunkowej ANOVA s\u0105 nast\u0119puj\u0105ce:<\/span><\/p>\n Je\u015bli warto\u015b\u0107 p analizy<\/a> ANOVA jest poni\u017cej pewnego poziomu istotno\u015bci (takiego jak \u03b1 = 0,05), mo\u017cemy odrzuci\u0107 hipotez\u0119 zerow\u0105 i stwierdzi\u0107, \u017ce przynajmniej jedna ze \u015brednich grupowych r\u00f3\u017cni si\u0119 od pozosta\u0142ych.<\/span><\/p>\n Aby jednak dok\u0142adnie wiedzie\u0107, kt\u00f3re grupy si\u0119 od siebie r\u00f3\u017cni\u0105, musimy przeprowadzi\u0107 test post hoc.<\/span><\/p>\n Powszechnie stosowanym testem post hoc jest test najmniejszej znacz\u0105cej r\u00f3\u017cnicy Fishera (LSD)<\/strong> .<\/span><\/p>\n Aby wykona\u0107 ten test w R, mo\u017cesz u\u017cy\u0107 funkcji LSD.test()<\/strong> z pakietu agricolae<\/strong> .<\/span><\/p>\n Poni\u017cszy przyk\u0142ad pokazuje, jak w praktyce wykorzysta\u0107 t\u0119 funkcj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce profesor chce wiedzie\u0107, czy trzy r\u00f3\u017cne techniki uczenia si\u0119 prowadz\u0105 do r\u00f3\u017cnych wynik\u00f3w test\u00f3w w\u015br\u00f3d student\u00f3w.<\/span><\/p>\n 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 Poni\u017csza tabela przedstawia<\/span> wyniki egzamin\u00f3w ka\u017cdego ucznia w oparciu o zastosowan\u0105 technik\u0119 nauki:<\/span> <\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cego kodu, aby utworzy\u0107 ten zbi\u00f3r danych i wykona\u0107 na nim jednokierunkow\u0105 analiz\u0119 ANOVA w R:<\/span><\/p>\n Poniewa\u017c warto\u015b\u0107 p w tabeli ANOVA (0,0188) jest mniejsza ni\u017c 0,05, mo\u017cemy stwierdzi\u0107, \u017ce wszystkie \u015brednie wyniki egzamin\u00f3w pomi\u0119dzy trzema grupami nie s\u0105 r\u00f3wne.<\/span><\/p>\n W ten spos\u00f3b mo\u017cemy przeprowadzi\u0107 test LSD Fishera, aby okre\u015bli\u0107, kt\u00f3re \u015brednie grupowe s\u0105 r\u00f3\u017cne.<\/span><\/p>\n Poni\u017cszy kod pokazuje, jak to zrobi\u0107:<\/span><\/p>\n Cz\u0119\u015bci\u0105 wyniku, kt\u00f3ra nas najbardziej interesuje, jest sekcja o nazwie $groups<\/strong> . Techniki, kt\u00f3re maj\u0105 r\u00f3\u017cne znaki w kolumnie grup<\/strong> , s\u0105 bardzo r\u00f3\u017cne.<\/span><\/p>\n Z wyniku mo\u017cemy zobaczy\u0107:<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/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 pomi\u0119dzy \u015brednimi z trzech lub wi\u0119cej niezale\u017cnych grup. Za\u0142o\u017cenia stosowane w jednokierunkowej ANOVA s\u0105 nast\u0119puj\u0105ce: H 0 : \u015arednie s\u0105 r\u00f3wne dla ka\u017cdej grupy. H A : Przynajmniej jeden ze sposob\u00f3w r\u00f3\u017cni si\u0119 od pozosta\u0142ych. Je\u015bli warto\u015b\u0107 p analizy ANOVA jest poni\u017cej pewnego poziomu […]<\/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-3062","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n\n
Przyk\u0142ad: test Fishera na LSD w R<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moinssigdiff1.png\")
<\/p>\n #create data frame\ndf <- data. frame<\/span> (technique = rep(c(\"tech1\", \"tech2\", \"tech3\"), each = 10<\/span> ),\n score = c(72, 73, 73, 77, 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\n<\/span>head(df)\n\n technical score\n1 tech1 72\n2 tech1 73\n3 tech1 73\n4 tech1 77\n5 tech1 82\n6 tech1 82\n\n#fit one-way ANOVA\n<\/span>model <- aov(score ~ technique, data = df)\n\n#view summary of one-way ANOVA\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \ntechnical 2 341.6 170.80 4.623 0.0188 *\nResiduals 27,997.6 36.95 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/span><\/span><\/strong><\/pre>\n library<\/span> (agricolae)<\/span>\n\n#perform Fisher's LSD\nprint( LSD.test<\/span> (model,\" technic<\/span> \"))\n \n$statistics\n MSerror Df Mean CV t.value LSD\n 36.94815 27 84.6 7.184987 2.051831 5.57767\n\n$parameters\n test p.adjusted name.t ntr alpha\n Fisher-LSD none technical 3 0.05\n\n$means\n std score r LCL UCL Min Max Q25 Q50 Q75\ntech1 80.0 5.868939 10 76.05599 83.94401 72 89 74.00 82.0 83.75\ntech2 85.8 4.391912 10 81.85599 89.74401 81 93 83.00 83.5 89.25\ntech3 88.0 7.557189 10 84.05599 91.94401 77 98 81.25 89.5 94.00\n\n$comparison\nNULL\n\n$groups\n score groups\ntech3 88.0 a\ntech2 85.8a\ntech1 80.0 b\n\nattr(,\"class\")\n[1] \u201cgroup\u201d\n<\/span><\/span><\/strong><\/pre>\n\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak wykona\u0107 test post hoc Bonferroniego u R<\/a>
Jak wykona\u0107 test post-hoc Scheffe\u2019a w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"