Analiza varijanse i analiza kovarijanse

Jelena Marinkovi, maj 2012.

A ta emo danas i narednih dana uiti?

p Koje
n

statistike metode primeniti kada se radi o:

Vie od dva uzorka i/ili n Vie od dve varijable merene na istim ispitanicima

p Zato

u takvim situacijama viestruko ponavljanje statistikih testova za dva uzorka nije ispravno?

Kako reiti ovaj problem? (nastavak)

p Potrebne

su neke druge, nove, statistike metode. Prva od njih je: p Analiza varijanse (analiza varijansnog kolinika, ANOVA - ANalysis Of VAriance).

ANOVA Dizajn eksperimenta

Opte okruenje eksperimenta

p Istraiva
n

kontrolie jednu ili vie nezavisnih varijabli

ime im je faktori ili varijable tretmana n svaki faktor ima bar dva nivoa / gradacije, kategorije, klasifikacije /

p Istraiva

varijabli p Eksperimentalni dizajn plan za testiranje istraivake hipoteze

meri efekte faktora na zavisnoj

Eksperimentalni dizajn / plan, vrste

p Potpuno
n

randomizovani faktorijalni plan blok dizajn

eksperimentalne jedinice su sluajno birane i randomizovano se dodeljuju tretmanima jedinice se dele u blokove i uparuju se jedinice u razliitim uzorcima

p Randomizovani
n

p Dizajn
n

ponovljenih merenja

jedinice se vie puta mere

Skala merenja (samo jedne) rezultujue varijable

Eksperimentalni dizajni / Istraivaki planovi Randomizovani Dizajn ponovljenih potpuni blok Faktorijalni eksperiment merenja dizajn 1 faktor 2 i vie faktora 1 faktor i 1 kriterijum klasifikacije Dvosmerna ANOVA (ili jednofaktorska ANOVA sa blokovima) 1 faktor i 1 kriterijum klasifikacije Jednofaktorska ANOVA sa ponovljenim merenjima (ili dvosmerna ANOVA) Fridmanova dvosmerna analiza varijanse sa rangovima

Omerna / Intervalna

Jednofaktorska ANOVA

Dvofaktorska i viefaktorske ANOVE

Ordinalna

Kraskal-Volisova analiza varijanse sa rangovima Fierov varijansni kolinik za proporcije

Fridmanova dvosmerna analiza varijanse sa rangovima

Nominalna 2 test za uestalosti / proporcije

Loglinearni modeli*

Kohrejnov Q test

Kohrejnov Q test

Opti model analize varijanse

p U

optem modelu analize varijanse odnos variranja uobiajeno se predstavlja sledeim zapisom:

tj. Ukupno variranje (Y) = variranje iji je izvor u organizovanom delu eksperimenta (X) + variranje iji je izvor u neorganizovanom delu eksperimenta (Z)

Y=X+Z

Faktorski varijablitet

x3
x1

x2

grupa 1

grupa 2

grupa 3

Sluajni varijablitet

x3

x1

x2

grupa 1

grupa 2

grupa 3

Ukupan varijablitet

grupa 1

grupa 2

grupa 3

ta je ANOVA?
p Analiza

varijanse (ANOVA) je statistika metoda zakljuivanja zasnovana na generalnim linearnim modelima, koja ukupan varijabilitet skupa podataka deli na bar dve komponente (faktorskuorganizovanu i rezidualnu-sluajnu).

A koje hipoteze testira?

p H 0

=k p H 1: sve j nisu jednake.

= ...

Tablica sheme rezultata analize varijanse

Izvor variranja Izmeu grupa Unutar grupa Opti Disperzija Broj stepena slobode dfx = k-1 dfz = n-k Varijansa F

Cx Cz

sdx2 sdz2

Cy

dfy = n-1

Viestruka poreenja
p Uvek

kada analiza varijanse dovede do odluke o odbacivanju (neprihvatanju) nulte hipoteze postavlja se pitanje koji je par (ili parovi) prosenih vrednosti znaajno razliit, odnosno, koju od (u datom primeru 10 moguih) pojedinanih hipoteza treba odbaciti.

Metode post hoc testiranja:

Tukey - najbolji balans odnosa greke prvog i drugog tipa Scheffe prikladniji nego Tukey ako se veliine grupa razlikuju znaajno Dunnett - kada treba porediti nekoliko grupa sa kontrolnom grupom Bonferroni vie konzervativan (manja je verovatnoa da e biti naena statistika znaajnost) u odnosu na Tukey i Scheffe Newman-Keuls, Duncan, Fishers LSD ne kotroliu sveukupno alfa, vie liberalni

SAS i DS 2010/2011

Statistika za istraivae Katedra za medicinsku statistiku i informatiku

Prirodno proirenje ove statistike metode je MANOVA

p Vie

od jedne zavisne varijable p Zavisne varijable bi trebalo da budu povezane konceptualno p Zavisne varijable bi trebalo da budu slabo do osrednje statistiki povezane (korelisane). Ako izmeu njih ne postoji nikakva povezanost, nema razloga da se one analiziraju zajedno u okviru MANOVA

SAS i DS 2010/2011

Statistika za istraivae Katedra za medicinsku statistiku i informatiku

ANCOVA Analiza kovarijanse

ANCOVA analiza kovarijanse

p Proverava razlike izmeu aritme0kih sredina

ishodne (rezultujue, zavisne) varijable dve ili vie grupa u situaciji kada znamo da je neka druga pridruena varijabla (kovarijata) ili vie njih povezano sa ishodom. p Koris0 se da kontrolie kovarijatu, tj. da otkloni efekat pridruene varijable kao izvora mogueg objanjenja razlike tretmana. p Najee se koris0 kada grupe nisu formirane randomizacijom, ve su formirane same po sebi, npr. pacijen0 koji su primili odreeni tretman na osnovu nekog kriterijuma.

Varijanse
Ukupno variranje podataka

Faktorsko variranje

Sluajno variranje

Kovarijata

SV

Slide 22

Prednosti ANCOVE
p Redukuje sluajnu varijansu
n

Objanjavanjem dela sluajnog variranja pridruenom varijablom sluajna varijansa moe bi0 redukovana. Kontrolom poznate pridruene varijable s0emo bolje objanjenje o efektu(ima) faktora.

p Vea eksperimentalna kontrola:

p

p Sta0s0ki metod za kontrolu inicijalnih razlika

varijabli u istraivanju.

Nulta hipoteza u analizi kovarijanse

Jednakost prilagoenih aritmetikih sredina: H0: 1* = 2* = ... = j* U interpretaciji razmotriti i originalne i prilagoene aritmetike sredine.

Prilagoavanje aritmetikih sredina

p Podrazumeva

prilagoavanje aritmetikih sredina grupa na one vrednosti koje bi inae imale kada bi sve grupe bile jednake na pridruenoj varijabli. Preduslov je jednakost regresionih nagiba za sve grupe

Izbor pridruene vrijable

p Svaka

varijabla koja je povezana sa zavisnom varijablom moe biti analizirana kao pridruena varijabla p Ako je u analizu ukljueno vie od jedne pridruene varijable, poeljno je da povezanost izmeu njih bude slaba, jer tada svaka od njih uklanja relativno razliite delove rezidualnog srednjeg kvadrata

Primer
p Fieldov (2009) Viagra eksperiment:

Ishod (ili ZV) = Uesnikov libido n Faktor / Prediktor (ili NV) = Doza vijagre (Placebo, Niska & Visoka) n Kovarijata = Partnerov libido
n

Odnosi izmeu NV i kovarijate

Homogenost regresionih nagiba

Dose

Par8cipants Libido 3.22 (1.79) 4.88 (1.46) 4.85 (2.12)

Partners Libido 3.44 (2.07) 3.12 (1.73) 2.00 (1.63)

Placebo Low Dose High Dose

Yi = b0 + b1X i + b2Covariate
Libidoi = b0 + b1Dosei + b2Partner' s Libidoi

5 4 3 2 1 0

3.22
1.66

4.88

4.85

Placebo

Low

High

Slide 31

ANCOVA u SPSS-u

Kontrasti

Opcije

Bez u0caja kovarijate

Tests of Between-Subjects Effects Dependent Variable: Libido Source Corrected Model Intercept DOSE Error Total Corrected Total Type III Sum of Squares 16.844a 535.184 16.844 94.123 683.000 110.967 df 2 1 2 27 30 29 Mean Square 8.422 535.184 8.422 3.486 F 2.416 153.522 2.416 Sig. .108 .000 .108

a. R Squared = .152 (Adjusted R Squared = .089)

Slide 35

Izvetaj
a Levene's Test of Equality of Error Variances

Dependent Variable: Libido F 5.525 df1 2 df2 27 Sig. .010

Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept+PARTNER+DOSE
Tests of Between-Subjects Effects Dependent Variable: Libido Source Corrected Model Intercept PARTNER DOSE Error Total Corrected Total Type III Sum of Squares 34.750a 12.171 17.906 28.337 76.216 683.000 110.967 df 3 1 1 2 26 30 29 Mean Square 11.583 12.171 17.906 14.169 2.931 F 3.952 4.152 6.109 4.833 Sig. .019 .052 .020 .016

a. R Squared = .313 (Adjusted R Squared = .234)

Slide 36

SPSS Output: Contrasts

Slide 37

Output

Slide 38

Neprilagoene aritme0ke sredine

5 4 3 2 1 0 Placebo
Slide 39

3.22
3.22

4.88 4.88

4.85 4.85

Low

High

Glavni efekat
10 8 6 4 2 0 Placebo Low High 4.71 2.93 5.15

F(2, 26) = 4.14, p < .05

SAS i DS 2010/2011

Statistika za istraivae Katedra za medicinsku statistiku i informatiku

Prirodno proirenje ove statistike metode je MANCOVA

p Dve

ili vie zavisnih varijabli, jedna ili vie pridruenih varijabli p Pretpostavka je da postoji povezanost skupa zavisnih varijabli i skupa pridruenih varijabli

SAS i DS 2010/2011

Statistika za istraivae Katedra za medicinsku statistiku i informatiku