Professional Documents
Culture Documents
3 Ιουνίου
3 Ιουνίου
Μη-παραμετρικά κριτήρια
στη μονοπαραγοντική ανάλυση διακύμανσης
&
Εισαγωγή στη
Διπαραγοντική ανάλυση διακύμανσης
Δείτε οπωσδήποτε και τις διαφάνεις 11 (διόρθωση για διαφάνεια 2)
καθώς και τη διαφάνεια 12 που αφορά σε διαδικαστικά θέματα
με βάση τις νέες εξελίξεις
Κ. Μυλωνάς
Διάλεξη 3ης Ιουνίου 2020 0
Μονοπαραγοντική ανάλυση διακύμανσης
με 3 επαναληπτικές μετρήσεις στο StatsExcelGR
1
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Πίνακας Ανάλυσης Διακύμανσης
(μονοπαραγοντική, εξαρτημένα δείγματα)
ΠΗΓΗ ΔΙΑΣΠΟΡΑΣ SS df MS F p η2
Μεταξύ Μετρήσεων (WS) 44459,810 2 22229,9 202,52 0,0000 0,43
Μεταξύ Ατόμων 102021,995 269 379,26 3,46 0,0000
Υπόλοιπο 59053,523 538 109,76
ΣΥΝΟΛΟ 205535,328 809
Σημειώσεις
-Προσοχή στην ορολογία: WS=WithinSubjects (π.χ. στο SPSS) = Μεταξύ Μετρήσεων !!
-Οι επαναληπτικές μετρήσεις (ή τα εξαρτημένα δείγματα) εδώ είναι k
Η Μεταξύ Ατόμων διασπορά στο Γενικό Γραμμικό Υπόδειγμα (π.χ. SPSS) θεωρείται error term.
Προσοχή! Αν Χ=0 για όλες τις επαναληπτικές μετρήσεις, το StatsExcelGR εξαιρεί τον συμμετέχοντα.
3
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Μονοπαραγοντική ανάλυση διακύμανσης
για εξαρτημένα δείγματα μέσω
Διόρθωση Greenhouse-Geisser
Διόρθωση Huynh-Feldt
4
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Μονοπαραγοντική ανάλυση διακύμανσης
για εξαρτημένα δείγματα μέσω SPSS
5
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Πολλαπλές εκ των προτέρων συγκρίσεις στη
μονοπαραγοντική ανάλυση διακύμανσης για εξαρτημένα δείγματα
35 35
30 30
25 25
20 20
15 15
10 10
5 5
0 0
AGREE NEUR EXTR PS PS NEUR AGREE EXTR
6
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Μη-παραμετρικό στατιστικό κριτήριο Κruskal-Wallis H
Έστω ότι συγκρίνουμε το κοινωνικο-οικονομικό επίπεδο
(διαβαθμιστική μέτρηση, επίπεδο ordinal)
κατά ομάδα εργασιακής πίεσης (τρεις ανεξάρτητες ομάδες)
StatsExcelGR
Οι διαφορές είναι στατιστικώς ασήμαντες
επομένως, οι τρεις ομάδες εργασιακής
πίεσης δεν είναι διαφορετικές ως προς
το κοινωνικο-οικονομικό επίπεδο
των συμμετεχόντων σε αυτές.
Εδώ, αυτό έχει μεθοδολογική σημασία.
7
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Μη-παραμετρικό στατιστικό κριτήριο Friedman
Έστω ότι για Ν=15 συγκρίνουμε τη μνήμη
υπό τρεις συνθήκες θορύβου (χαμηλό, μέσο, υψηλό)
(εξαρτημένα δείγματα). Παραβιάζεται η στατιστική
συνθήκη της κανονικότητας Κριτήριο Friedman (Anova)
XXXXXXX
8
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Εισαγωγή στη
Διπαραγοντική Ανάλυση Διακύμανσης
8
6
Μονοπαραγοντική
5
4
Διπαραγοντικός σχεδιασμός
3
0
g1 g2 g3 g4
80
Γυναίκες Άνδρες
70
60 Γυναίκες Άνδρες
50
Χαμηλή ΕΠ 67,71429 61,29167
40
0
ΧΕΠ ΜΕΠ ΥΕΠ
9
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Διπαραγοντική Ανάλυση Διακύμανσης
Ένα πρώτο παράδειγμα
Στήλες (columns)
Σειρές (rows)
c1r1 c2r1 c3r1 r1
c1r2 c2r2 c3r2 r2
c1 c2 c3
10
Κ. Μυλωνάς, Διάλεξη 3ης Ιουνίου 2020
Πίνακας Ανάλυσης Διακύμανσης
(μονοπαραγοντική, εξαρτημένα δείγματα)
ΠΗΓΗ ΔΙΑΣΠΟΡΑΣ SS df MS F p η2
Μεταξύ Μετρήσεων (WS) 44459,810 2 22229,9 202,52 0,0000 0,43
Μεταξύ Ατόμων 102021,995 269 379,26 3,46 0,0000
Υπόλοιπο 59053,523 538 109,76
ΣΥΝΟΛΟ 205535,328 809
Σημειώσεις
-Προσοχή στην ορολογία: WS=WithinSubjects (π.χ. στο SPSS) = Μεταξύ Μετρήσεων !!
-Οι επαναληπτικές μετρήσεις (ή τα εξαρτημένα δείγματα) εδώ είναι k
Η Μεταξύ Ατόμων διασπορά στο Γενικό Γραμμικό Υπόδειγμα (π.χ. SPSS) θεωρείται error term.
Προσοχή! Αν Χ=0 για όλες τις επαναληπτικές μετρήσεις, το StatsExcelGR εξαιρεί τον συμμετέχοντα.