Como criar um gráfico de interação em r

Uma ANOVA bidirecional é usada para determinar se há diferença entre as médias de três ou mais grupos independentes que foram divididos em dois fatores.

Usamos ANOVA bidirecional quando queremos saber se dois fatores específicos afetam uma determinada variável de resposta.

No entanto, por vezes existe um efeito de interação entre os dois fatores, o que pode afetar a forma como interpretamos a relação entre os fatores e a variável de resposta.

Por exemplo, podemos querer saber se os fatores (1) exercício e (2) sexo afetam a variável resposta perda de peso . Embora seja possível que ambos os fatores afetem a perda de peso, também é possível que interajam entre si.

Por exemplo, é possível que o exercício provoque perda de peso em taxas diferentes em homens e mulheres. Neste caso, há um efeito de interação entre exercício e gênero.

A maneira mais simples de detectar e compreender os efeitos da interação entre dois fatores é usar um gráfico de interação .

Este é um tipo de gráfico que exibe os valores ajustados de uma variável de resposta no eixo y e os valores do primeiro fator no eixo x. Enquanto isso, as linhas do gráfico representam os valores do segundo fator de interesse.

Este tutorial explica como criar e interpretar um gráfico de interação em R.

Exemplo: gráfico de interação em R

Digamos que os pesquisadores queiram determinar se a intensidade do exercício e o gênero impactam a perda de peso. Para testar isso, eles recrutaram 30 homens e 30 mulheres para participarem de um experimento no qual designaram aleatoriamente 10 deles para seguir um programa de exercícios leves, sem exercícios ou intensos durante um mês.

Use as etapas a seguir para criar um quadro de dados em R, realizar uma ANOVA bidirecional e criar um gráfico de interação para visualizar o efeito de interação entre exercício e gênero.

Etapa 1: crie os dados.

O código a seguir mostra como criar um quadro de dados em 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

Etapa 2: ajuste o modelo ANOVA bidirecional.

O código a seguir mostra como ajustar uma ANOVA bidirecional aos dados:

 #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

Observe que o valor p ( 0,0141 ) para o termo de interação entre exercício e gênero é estatisticamente significativo, indicando que existe um efeito de interação significativo entre os dois fatores.

Etapa 3: Crie o gráfico de interação.

O código a seguir mostra como criar um gráfico de interação para exercício e gênero:

 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")

Em geral, se as duas linhas do gráfico de interação forem paralelas, não haverá efeito de interação. No entanto, se as linhas se cruzarem, é provável que haja um efeito de interação.

Podemos ver neste gráfico que as linhas para homens e mulheres se cruzam, indicando que é provável que exista um efeito de interação entre as variáveis de intensidade do exercício e o género.

Isto corresponde ao fato de que o valor p no resultado da tabela ANOVA foi estatisticamente significativo para o termo de interação no modelo ANOVA.

Recursos adicionais

Como realizar ANOVA unidirecional em R
Como realizar ANOVA bidirecional em R