วิธีดำเนินการวัด anova ซ้ำใน python

การวัดความแปรปรวนแบบวัดซ้ำ จะถูกนำมาใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างค่าเฉลี่ยของกลุ่มตั้งแต่สามกลุ่มขึ้นไปซึ่งมีหัวข้อเดียวกันปรากฏในแต่ละกลุ่มหรือไม่

บทช่วยสอนนี้จะอธิบายวิธีการวัด ANOVA ซ้ำทางเดียวใน Python

ตัวอย่าง: การวัด ANOVA ซ้ำใน Python

นักวิจัยต้องการทราบว่ายาสี่ชนิดทำให้เกิดปฏิกิริยาต่างกันหรือไม่ เพื่อทดสอบสิ่งนี้ พวกเขาวัดเวลาปฏิกิริยาของผู้ป่วยห้ารายต่อยาสี่ชนิดที่แตกต่างกัน

เนื่องจากผู้ป่วยแต่ละรายได้รับการวัดด้วยยาแต่ละชนิดจากทั้งหมดสี่ชนิด เราจะใช้การวัดความแปรปรวนแบบวัดซ้ำเพื่อตรวจสอบว่าเวลาเฉลี่ยของปฏิกิริยาแตกต่างกันระหว่างยาแต่ละชนิดหรือไม่

ใช้ขั้นตอนต่อไปนี้เพื่อทำการวัด ANOVA ซ้ำใน Python

ขั้นตอนที่ 1: ป้อนข้อมูล

ขั้นแรก เราจะสร้าง DataFrame แพนด้าเพื่อเก็บข้อมูลของเรา:

 import numpy as np
import pandas as pd

#createdata
df = pd.DataFrame({'patient': np.repeat([1, 2, 3, 4, 5], 4),
                   'drug': np.tile([1, 2, 3, 4], 5),
                   'response': [30, 28, 16, 34,
                                14, 18, 10, 22,
                                24, 20, 18, 30,
                                38, 34, 20, 44, 
                                26, 28, 14, 30]})

#view first ten rows of data 
df.head[:10]


	patient drug response
0 1 1 30
1 1 2 28
2 1 3 16
3 1 4 34
4 2 1 14
5 2 2 18
6 2 3 10
7 2 4 22
8 3 1 24
9 3 2 20

ขั้นตอนที่ 2: ดำเนินการวัดความแปรปรวนซ้ำ ๆ

ต่อไป เราจะดำเนินการวัด ANOVA ซ้ำโดยใช้ ฟังก์ชัน AnovaRM() จากไลบรารี statsmodels :

 from statsmodels.stats.anova import AnovaRM

#perform the repeated measures ANOVA
print(AnovaRM(data= df , depvar=' response ', subject=' patient ', within=[' drug ']).fit())

              Anova
====================================
     F Value Num DF Den DF Pr > F
----------------------------------
drug 24.7589 3.0000 12.0000 0.0000
====================================

ขั้นตอนที่ 3: ตีความผลลัพธ์

การวิเคราะห์ความแปรปรวนของการวัดซ้ำจะใช้สมมติฐานว่างและสมมุติฐานทางเลือกต่อไปนี้:

สมมติฐานว่าง (H ₀ ): µ ₁ = µ ₂ = µ ₃ (ค่าเฉลี่ยประชากรเท่ากันทั้งหมด)

สมมติฐานทางเลือก: (ฮา): ค่าเฉลี่ยประชากรอย่างน้อยหนึ่งรายการแตกต่างจากที่เหลือ

ในตัวอย่างนี้ สถิติการทดสอบ F คือ 24.7589 และค่า p ที่สอดคล้องกันคือ 0.0000

เนื่องจาก ค่า p นี้น้อยกว่า 0.05 เราจึงปฏิเสธสมมติฐานว่างและสรุปว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติในเวลาตอบสนองโดยเฉลี่ยระหว่างยาทั้งสี่ชนิด

ขั้นตอนที่ 4: รายงานผลลัพธ์

สุดท้ายนี้ เราจะรายงานผลลัพธ์ของการวัดความแปรปรวนของการวัดซ้ำของเรา นี่คือตัวอย่างของวิธีการทำเช่นนี้:

การวัดความแปรปรวนแบบทางเดียวได้ดำเนินการกับบุคคล 5 คนเพื่อตรวจสอบผลของยาที่แตกต่างกันสี่ชนิดในเวลาตอบสนอง

ผลการศึกษาพบว่าประเภทของยาที่ใช้ส่งผลให้เวลาตอบสนองแตกต่างกันอย่างมีนัยสำคัญทางสถิติ (F(3, 12) = 24.75887, p < 0.001)

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้ให้ข้อมูลเพิ่มเติมเกี่ยวกับการวัดความแปรปรวนของการวัดซ้ำ:

การวิเคราะห์ความแปรปรวนแบบทางเดียวและการวัดความแปรปรวนซ้ำ ๆ: ความแตกต่าง
วิธีการดำเนินการวัดความแปรปรวนซ้ำ ๆ ด้วยตนเอง
สมมติฐานสามข้อของการวัดความแปรปรวนซ้ำ