Stata'da tekrarlanan ölçümler anova nasıl gerçekleştirilir

Tekrarlanan ölçümler ANOVA, her grupta aynı deneklerin yer aldığı üç veya daha fazla grubun ortalamaları arasında istatistiksel olarak anlamlı bir fark olup olmadığını belirlemek için kullanılır.

İki özel durumda tek yönlü tekrarlanan ölçümler ANOVA’sını kullanırız:

1. Üç veya daha fazla zaman noktasında deneklerin ortalama puanlarını ölçün. Örneğin, ortalama dinlenme kalp atış hızlarında önemli bir fark olup olmadığını görmek için deneklerin dinlenme kalp atış hızlarını bir antrenman programına başlamadan bir ay önce, antrenman programının ortasında ve antrenman programından bir ay sonra ölçmek isteyebilirsiniz. Bu üç zaman noktasındaki oranlar.

Aynı konuların tekrar tekrar nasıl göründüğüne dikkat edin. Aynı denekleri tekrar tekrar ölçtüğümüz için tek yönlü tekrarlanan ölçüm ANOVA’sını kullandık.

2. Üç farklı durumda deneklerin ortalama puanlarını ölçün. Örneğin deneklerden üç farklı film izlemelerini ve her birini filmi ne kadar sevdiklerine göre derecelendirmelerini isteyebilirsiniz.

Yine her grupta aynı denekler görünüyor, bu nedenle bu üç koşul arasındaki ortalama farkı test etmek için tek yönlü tekrarlanan ölçümler ANOVA’yı kullanmalıyız.

Bu eğitimde Stata’da tek yönlü tekrarlanan ölçüm ANOVA’sının nasıl gerçekleştirileceği açıklanmaktadır.

Örnek: Stata’da Tekrarlanan Ölçümler ANOVA

Araştırmacılar dört farklı ilaç alan beş hastanın tepki süresini ölçüyor. Her hasta dört ilacın her birinde ölçüldüğü için, ortalama reaksiyon süresinin ilaçlar arasında farklılık gösterip göstermediğini belirlemek için tekrarlanan ölçümler ANOVA’sını kullanacağız.

Stata’da tekrarlanan ölçümler ANOVA’yı gerçekleştirmek için aşağıdaki adımları tamamlayın.

Adım 1: Verileri yükleyin.

İlk olarak, komut kutusuna https://www.stata-press.com/data/r14/t43 komutunu yazıp Enter’a tıklayarak verileri yükleyin.

Adım 2: Ham verileri görüntüleyin.

Tekrarlanan ölçüm ANOVA’sını gerçekleştirmeden önce ilk olarak ham verilere bakalım. Üst menü çubuğundan Veri > Veri Düzenleyici > Veri Düzenleyici (Gözat) seçeneğine gidin. Bu bize 5 hastanın her birinin dört ilacın her birine verdiği yanıt sürelerini gösterecektir:

Adım 3: Tekrarlanan ölçüm ANOVA’sını gerçekleştirin.

Üst menü çubuğundan İstatistikler > Doğrusal ve İlgili Modeller > ANOVA/MANOVA > Varyans ve Kovaryans Analizi seçeneğine gidin.

Bağımlı değişken için puanı seçin. Model için iki açıklayıcı değişken olarak kişiyi ve ilacı seçin. Tekrarlanan Ölçüm Değişkenleri yazan kutuyu işaretleyin ve tekrarlayan değişken olarak ilacı seçin. Her şeyi olduğu gibi bırakın ve Tamam’ı tıklayın.

Bu, tekrarlanan ölçümlerin ANOVA sonuçlarını gösteren aşağıdaki iki tabloyu otomatik olarak üretecektir:

İlk tabloda ilaç değişkeni için F değeri ve p değeri (Prob>F olarak gösterilen) ile ilgileniyoruz. F = 24,76 ve p değerinin 0,000 olduğuna dikkat edin. Bu durum dört ilacın ortalama puanları arasında istatistiksel olarak anlamlı bir fark olduğunu göstermektedir.

İkinci tablo yalnızca küresellik varsayımının ihlal edildiğinden şüpheleniyorsak kullanılmalıdır. Bu, tüm ikili grup kombinasyonları arasındaki farkların varyanslarının eşit olması gerektiği varsayımıdır. Bu varsayımın ihlal edildiğine inanırsak üç düzeltme faktöründen birini kullanabiliriz: Hunyh-Feldt epsilon, Greenhouse-Geisser epsilon veya muhafazakar Box epsilon.

İlaç değişkeninin p değeri bu üç düzeltme faktörünün her biri için gösterilir:

• Hunyh-Feldt (HF) p-değeri = 0,000
• Sera-Geisser (GG) p-değeri = 0,0006
• Kutunun ihtiyatlı p değeri (Kutu) = 0,0076

P değerlerinin her birinin 0,05’ten küçük olduğuna dikkat edin; dolayısıyla, hangi düzeltme faktörünü kullanırsak kullanalım, dört ilacın ortalama puanları arasında hâlâ istatistiksel olarak anlamlı bir fark vardır.

Adım 4: Sonuçları rapor edin.

Son olarak tekrarlanan ölçümlerimizin sonuçlarını ANOVA olarak raporlayacağız. İşte bunun nasıl yapılacağına dair bir örnek:

Dört farklı ilacın tepki süresi üzerindeki etkisini incelemek için 5 kişiye tek yönlü tekrarlanan ölçümler ANOVA uygulandı.

Sonuçlar, kullanılan ilaç türünün yanıt süresinde istatistiksel olarak anlamlı farklılıklara yol açtığını gösterdi (F(3, 12) = 24,75, p < 0,001).