Usamos ANOVA bidirecional quando queremos saber se dois fatores espec\u00edficos afetam uma determinada vari\u00e1vel de resposta.<\/span><\/p>\n No entanto, por vezes existe um efeito de intera\u00e7\u00e3o<\/strong> entre os dois fatores, o que pode afetar a forma como interpretamos a rela\u00e7\u00e3o entre os fatores e a vari\u00e1vel de resposta.<\/span><\/p>\n Por exemplo, podemos querer saber se os fatores (1) exerc\u00edcio<\/em> e (2) sexo<\/em> afetam a vari\u00e1vel resposta perda de peso<\/em> . Embora seja poss\u00edvel que ambos os fatores afetem a perda de peso, tamb\u00e9m \u00e9 poss\u00edvel que interajam entre si.<\/span><\/p>\n Por exemplo, \u00e9 poss\u00edvel que o exerc\u00edcio provoque perda de peso em taxas diferentes em homens e mulheres. Neste caso, h\u00e1 um efeito de intera\u00e7\u00e3o entre exerc\u00edcio e g\u00eanero.<\/span><\/p>\n A maneira mais simples de detectar e compreender os efeitos da intera\u00e7\u00e3o entre dois fatores \u00e9 usar um gr\u00e1fico de intera\u00e7\u00e3o<\/strong> .<\/span><\/p>\n Este \u00e9 um tipo de gr\u00e1fico que exibe os valores ajustados de uma vari\u00e1vel de resposta no eixo y e os valores do primeiro fator no eixo x. Enquanto isso, as linhas do gr\u00e1fico representam os valores do segundo fator de interesse.<\/span> <\/p>\n Este tutorial explica como criar e interpretar um gr\u00e1fico de intera\u00e7\u00e3o em R.<\/span><\/p>\n Digamos que os pesquisadores queiram determinar se a intensidade do exerc\u00edcio e o g\u00eanero 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 exerc\u00edcios leves, sem exerc\u00edcios ou intensos durante um m\u00eas.<\/span><\/p>\n Use as etapas a seguir para criar um quadro de dados em R, realizar uma ANOVA bidirecional e criar um gr\u00e1fico de intera\u00e7\u00e3o para visualizar o efeito de intera\u00e7\u00e3o entre exerc\u00edcio e g\u00eanero.<\/span><\/p>\n Etapa 1: crie os dados.<\/strong><\/span><\/p>\n O c\u00f3digo a seguir mostra como criar um quadro de dados em R:<\/span><\/p>\n Etapa 2: ajuste o modelo ANOVA bidirecional.<\/strong><\/span><\/p>\n O c\u00f3digo a seguir mostra como ajustar uma ANOVA bidirecional aos dados:<\/span><\/p>\n Observe que o valor p ( 0,0141<\/strong> ) para o termo de intera\u00e7\u00e3o entre exerc\u00edcio e g\u00eanero \u00e9 estatisticamente significativo, indicando que existe um efeito de intera\u00e7\u00e3o significativo entre os dois fatores.<\/span><\/p>\n Etapa 3: Crie o gr\u00e1fico de intera\u00e7\u00e3o.<\/strong><\/span><\/p>\n O c\u00f3digo a seguir mostra como criar um gr\u00e1fico de intera\u00e7\u00e3o para exerc\u00edcio e g\u00eanero:<\/span> <\/p>\n Em geral, se as duas linhas do gr\u00e1fico de intera\u00e7\u00e3o forem paralelas, n\u00e3o haver\u00e1 efeito de intera\u00e7\u00e3o. No entanto, se as linhas se cruzarem, \u00e9 prov\u00e1vel que haja um efeito de intera\u00e7\u00e3o.<\/span><\/p>\n Podemos ver neste gr\u00e1fico que as linhas para homens e mulheres se cruzam, indicando que \u00e9 prov\u00e1vel que exista um efeito de intera\u00e7\u00e3o entre as vari\u00e1veis de intensidade do exerc\u00edcio e o g\u00e9nero.<\/span><\/p>\n Isto corresponde ao fato de que o valor p no resultado da tabela ANOVA foi estatisticamente significativo para o termo de intera\u00e7\u00e3o no modelo ANOVA.<\/span><\/p>\n Como realizar ANOVA unidirecional em R<\/a> Uma ANOVA bidirecional \u00e9 usada para determinar se h\u00e1 diferen\u00e7a entre as m\u00e9dias de tr\u00eas ou mais grupos independentes que foram divididos em dois fatores. Usamos ANOVA bidirecional quando queremos saber se dois fatores espec\u00edficos afetam uma determinada vari\u00e1vel de resposta. No entanto, por vezes existe um efeito de intera\u00e7\u00e3o entre os dois fatores, o […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1044","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n![\"Gr\u00e1fico](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/interactionplot1.png\")
<\/p>\n Exemplo: gr\u00e1fico de intera\u00e7\u00e3o em 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 Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar ANOVA bidirecional em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"