Allt om ANOVA Flashcards
Beskriv
a) antal oberoende variabler
b) antal beroende variabler
c) skalnivåer som krävs för följande test:
Beroende envägs-anova, beroende tvåvägs-anova, enkel regression och multipel regression.
a) Beroende envägs-anova:
Antal oberoende variabler: 1 (Faktor)
Antal beroende variabler: 1
Skalnivåer: Minst ordinal
b) Beroende tvåvägs-anova:
Antal oberoende variabler: 2 (Faktorer)
Antal beroende variabler: 1
Skalnivåer: Minst ordinal
c) Enkel regression:
Antal oberoende variabler: 1
Antal beroende variabler: 1
Skalnivåer: Kontinuerlig eller ordinal
d) Multipel regression:
Antal oberoende variabler: Mer än 1
Antal beroende variabler: 1
Skalnivåer: Kontinuerlig eller ordinal
Vilka förutsättningar (skalnivå och antaganden) krävas för att analysera en oberoende envägs ANOVA och en beroende envägs ANOVA.
Oberoende envägs ANOVA:
Skalnivå:
Beroende variabeln bör vara minst på intervallnivå eller högre. Detta innebär att mätningarna ska vara numeriska och avståndet mellan olika värden ska vara meningsfullt.
Antaganden:
Homogenitet av varians: Grupperna som jämförs ska ha lika varianser. Detta kan testas med Levene’s test.
Normalfördelning: De beroende variablerna bör vara ungefär normalfördelade inom varje grupp. Detta kan testas med Shapiro-Wilk test eller andra normalitetstester.
Oberoende observationer: Observationer inom varje grupp ska vara oberoende av varandra.
Homogenitet mellan grupperna: Det bör inte finnas några systematiska skillnader mellan grupperna utöver effekten av den oberoende variabeln.
Beroende envägs ANOVA:
Skalnivå:
Samma som oberoende envägs ANOVA: beroende variabeln bör vara minst på intervallnivå eller högre.
Antaganden:
Sphericity: Förutsättningen för sphericity innebär att skillnaden mellan alla kombinationer av grupper ska ha lika varians. Om sphericity antas kan en vanlig ANOVA-analys genomföras. Om inte, bör Greenhouse-Geisser eller Huynh-Feldt korrigeringar användas.
Normalfördelning: Som med den oberoende envägs ANOVA, bör de beroende variablerna vara ungefär normalfördelade inom varje grupp.
Oberoende observationer: Liksom i den oberoende envägs ANOVA bör observationer inom varje grupp vara oberoende av varandra.
Homogenitet mellan grupperna: Precis som med den oberoende envägs ANOVA, bör det inte finnas några systematiska skillnader mellan grupperna utöver effekten av den oberoende variabeln.
Dessa antaganden och förutsättningar är viktiga att beakta innan du genomför en ANOVA-analys för att säkerställa att resultaten är tillförlitliga och korrekta.
Beskriv varför ett post-hoc test används som uppföljning efter en signifikant ANOVA.
Ett post-hoc test används som en uppföljning efter en signifikant ANOVA för att identifiera vilka specifika grupper som skiljer sig åt från varandra när det finns en signifikant effekt av den oberoende variabeln. Här är några skäl till varför ett post-hoc test är viktigt:
Identifiera Skillnader Mellan Grupper: En signifikant ANOVA-indikerar att minst två grupper skiljer sig åt, men det säger inget om vilka specifika grupper som är olika. Post-hoc testen hjälper till att fastställa vilka par av grupper som har signifikanta skillnader.
Minska Risk för Typ I-fel: När man utför flera jämförelser ökar risken för att göra ett felaktigt antagande om att det finns en skillnad mellan grupper när det faktiskt inte finns någon (falskt positivt resultat, eller Typ I-fel). Post-hoc testen tar hänsyn till detta och justerar p-värdet för att korrigera för multipla jämförelser, vilket minskar risken för Typ I-fel.
Mångfald av Grupper: Medan ANOVA identifierar generella skillnader mellan grupper, kan det vara komplexa datamönster med flera grupper där vissa är lika medan andra är olika. Post-hoc testen ger en detaljerad insikt i dessa mönster.
Ökad Förståelse: För forskare och analytiker ger post-hoc testen en djupare förståelse av data genom att visa de specifika skillnader som finns mellan grupperna, vilket kan vara värdefullt för vidare forskning eller praktisk tillämpning.
Statistisk Validitet: Ett post-hoc test kan ge ett mer komplett och validt statistiskt perspektiv på resultaten från ANOVA, vilket stärker analysens trovärdighet och tillförlitlighet.
Sammanfattningsvis används ett post-hoc test för att ge ytterligare insikt och förtydligande av resultaten från en ANOVA-analys, vilket gör det möjligt att dra mer specifika slutsatser om skillnader mellan grupperna medan man minimerar risken för felaktiga slutsatser.
Ge exempel på studier som skulle kunna analyseras med följande test:
Beroende ANOVA
Chi-två test
Enkel regression
2x2x2 oberoende ANOVA
Beroende ANOVA:
Exempel: En forskare vill undersöka effekten av olika träningsprogram (aerob, styrka, flexibilitet) på hjärtfrekvensen (beroende variabel) över tid (före, efter 1 månad, efter 3 månader).
Chi-två test:
Exempel: En epidemiologisk studie undersöker om det finns ett samband mellan rökning (ja/nej) och utvecklingen av lungcancer (ja/nej) i en viss population.
Enkel regression:
Exempel: En forskare vill undersöka sambandet mellan antal timmar av studier per vecka (oberoende variabel) och slutbetyg i ett kurs (beroende variabel) för studenter.
2x2x2 oberoende ANOVA:
Exempel: En psykologisk studie vill undersöka effekterna av två faktorer (stressnivå: låg, hög; sömnkvalitet: dålig, bra; och träningsnivå: låg, hög) på mentalt välbefinnande (beroende variabel).
Dessa exempel illustrerar olika typer av forskningsfrågor och scenarier där varje test kan vara lämpligt att använda för att analysera data och dra slutsatser.
Vad är ANOVA
ANOVA står för “Analysis of Variance” och är en statistisk metod som används för att analysera skillnader mellan medelvärden av tre eller flera grupper. Det kan betraktas som en förlängning av t-testet, som endast jämför två grupper. ANOVA gör det möjligt att avgöra om det finns statistiskt signifikanta skillnader mellan grupperna baserat på deras varians och medelvärden.
Här är några nyckelaspekter och komponenter i ANOVA:
Huvudidé:
ANOVA testar nollhypotesen att det inte finns någon skillnad mellan medelvärdena för de olika grupperna mot alternativhypotesen att åtminstone en grupp skiljer sig åt.
Komponenter:
Oberoende Variabel: Den faktor som varieras för att se dess effekt på den beroende variabeln.
Beroende Variabel: Den variabel som mäts för att se hur den påverkas av den oberoende variabeln.
Faktorer: Olika nivåer eller kategorier av den oberoende variabeln.
Summor av Kvadrater (SS): Mått på variabilitet inom och mellan grupperna.
Frihetsgrader (df): Antal oberoende möjliga variationer i datamängden.
Medelvärde: Genomsnittligt värde för varje grupp.
F-test: Statistisk test som jämför varianserna inom och mellan grupperna för att avgöra om skillnaderna är signifikanta.
Vad finns det för olika typer av ANOVA?
Oberoende ANOVA: Används när det finns en oberoende variabel med två eller flera grupper, och mätningarna är oberoende av varandra.
Beroende ANOVA (Repeated Measures ANOVA): Används när mätningarna är beroende av varandra, som i longitudinella eller upprepad mätning.
Faktoriell ANOVA: Används när det finns mer än en oberoende variabel.
ANOVA är en viktig metod inom statistisk analys och används i många olika forskningsområden, inklusive psykologi, medicin, biologi, samhällsvetenskap och många andra discipliner för att jämföra medelvärden mellan olika grupper och för att identifiera faktorer som kan påverka den beroende variabeln.
Fördelar och nackdelar med Inomgruppsdesing
Fördelar och nackdelar med Mellangruppsdesing
Vad är Mellan/Inom grupps desing?
ANOVAS OBEROENDE VARIABLER ÄR PÅ SIFFERNIVÅ (kvot/intervallnivå)
ANOVAS BEROENDE VARIABEL ÄR PÅ KATEGORINIVÅ (nominal/skalnivå)
I REGRESSIONER ÄR ALLA VARIABLER PÅ SIFFERNIVÅ (kvot/intervall)
ANOVAS OBEROENDE VARIABLER ÄR PÅ SIFFERNIVÅ (kvot/intervallnivå)
ANOVAS BEROENDE VARIABEL ÄR PÅ KATEGORINIVÅ (nominal/skalnivå)
I REGRESSIONER ÄR ALLA VARIABLER PÅ SIFFERNIVÅ (kvot/intervall)
