Andy Field forelesninger I ANOVA Flashcards

1
Q

Hva er model sum of squares (SSm) I en Anova?

A

Forskjell mellom gruppe gjennomsnittene og det totale (felles) gjennomsnittet (grand mean)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Hva er residual sum of squares (SSr) I en ANOVA?

A

Forskjellen mellom gruppe gjennomsnitt og hver enkelt skår

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Hvordan kan du følge opp en ANOVA?

A

Du kan kjøre flere t-tester

Ortogonale kontraster/sammenlikninger

Post hoc tester

Trend analyser

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Hva er ortogonale kontraster/sammenlikninger?

A

En måte en kan følge opp en ANOVA. Det er en metode for å utføre uavhengige sammenligninger mellom grupper, som er drevet frem av hypoteser.

Disse kontrastene må være planlagt på forhånd

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Hvilke regler er det for å velge kontraster?

A

Uavhengighet
- kontrastene må ikke overlappe hverandre og må teste unike hypoteser
- dersom en gruppe velges ut i en kontrast kan den ikke brukes i en ny kontrast

Kun to chuncs kan sammenliknes om gangen

Du skal alltid ende opp med en mindre kontrast enn antall grupper (k-1)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hvilke regler er det til å kode planlagte kontraster?

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hva er en post hoc test?

A

En oppfølgings test av ANOVA

Sammenlikner hvert gjennomsnitt mot alle andre gjennomsnitt

Generelt bruker den en strengere kriterie for å akseptere en effekt som signifikant. Derfor må du kontrollere for familywise error rate

Det finnes ulike typer post-hoc tester, slik som tukey og bonferroni

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Hva er Bonferroni og hva er formelen?

A

En type post-hoc test

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Når og hvorfor gjør vi en ANCOVA?

A

Vi kjører en ANOCA for å teste forskjeller mellom gruppe gjennomsnitt når vi vet at en ekstra variabel påvirker utfalls variabelen

Det er altså en måte å justere for effekten den ekstra variabelen har på den avhengige

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Hvilke effekter får vi innsikt i via en ANCOVA?

A

Hovedeffekten av din UV på AV, justert for effekten av kovariatet

Effekten covariatet har på AV

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Hva er fordelene med ANCOVA

A

Reduserer feil-varians
- Et kovariant vil forklare noe av den uforklarte variansen (SSr) og dermed vil den reduseres

Større eksperimentell kontroll
- ved å kontrollere for kjente forstyrrende variabler får vi større innsikt i effekten av de andre uavhengige variablene

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Hvordan blir likningen i en ANCOVA

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Kan man gjøre en kontrast analyse i en ANCOVA?

A

Ja, du kan gjøre en kontrast analyse for å følge opp, men det er ikke like fritt som i en ANOVA

Det er kun innebygde bestemte kontraster du kan gjøre

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hvilken tilleggs antakelse er det til en ANCOVA (i tillegg til de vanlige i ANOVA)?

A

Homogenitet av regresjons linjene

En signifikant interaksjon mellom UV og kovariant = antakelsen er brutt

En ikke-sig = antakelsen er møtt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hva kan du gjøre for å følge opp en ANCOVA?

A

Post hoc

Innebygde kontraster

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Hva er en toveis uavhengig ANOVA?

A

To uavhengige variabler

Ulike deltakere i alle betingelser

17
Q

Hva er en faktoriell ANOVA?

A

En ANOVA med flere uavhengige variabler

18
Q

Hva er fordelen med en faktoriell ANOVA?

A

Vi kan se på hvordan variabler interagerer via interaksjons-effekter, som ofte er mer interessante enn hoved-effekter

19
Q

Hva er forskjellen på moderasjon og interaksjon?

A

Selv om terminologien er forskjellig, refererer moderasjon og interaksjon i statistiske modeller til det samme grunnleggende konseptet – at effekten en variabel har på utfallet endres avhengig av en annen variabel.

Forskjellen er ofte språklig og avhenger av konteksten:

  • Interaksjon brukes vanligvis i ANOVA og faktoriell design.
  • Moderasjon brukes vanligvis i regresjonsanalyse.

Begge begrepene beskriver altså situasjoner hvor forholdet mellom to variabler endres av en tredje variabel.

20
Q

La oss si at vi får en sig interakpjonseffekte mellom variablene bakfull og forelesnings-tema på den avhengige variabelen søvn under forelesning; hva KAN dette bety?

A

Det kan for eksempel bety at bakfullhet har en større effekt på søvn i forelesning når temaet er statistikk enn når temaet er klinisk rettet.

Her ser man at effekten variabelen bakfull har på søvn i forelesning modereres/interagrer avhenger av nivået på den andre variabelen kalt forelesnings tema.

21
Q

Hva er formelen for f-verdien?

A

Means square effect / mean square error

22
Q

Hva er en hoved effekt?

A

Hovedeffekten sier oss effekten av den ene UV på den AV når du ignorerer den andre UV.

23
Q

Hva betyr en sig hovedeffekt?

A

Dersom du får en signifikant hovedeffekt av alkohol (1 UV) så vil det si at du vet at blant dine gruppegjennomsnitt (ingen, 2 øl, 3 øl) er det noen som er forskjellig. Dermed må vi gjøre noen oppfølgingstester for å finne ut av disse.

En ikke-signifikant hovedeffekt sier oss at et gjennomsnittene blant gruppegjennomsnittene ikke er forskjellige - altså like.

24
Q

Beskriv denne grafen

A

Ikke interaksjonseffekt: fordi linjene er parallelle og forskjellene mellom kjønn er tilnærmet like ved begge målingene/betingelsene

25
Q

Beskriv denne grafen

A

Her ser man forskjellen på menn og kvinner ved 0 alkohol - som er 6.25, og ved 4 øl, som er -21.8.

Det man ser på er om 6.25 er forskjellig fra -21.8 og dersom de er det får du en signifikant interaksjon.

Forskjellen på menn og kvinner ved 0 alkohol er forskjellig fra forskjellen mellom menn og kvinner på 4 øl => interaksjonseffekt

26
Q

Hvordan blir varians fordelingen i en faktoriell independent ANOVA?

A
27
Q

Hva er en reapeted mesures ANOVA?

A

Repeated measures ANOVA er en type ANOVA som brukes når man har gjentatte målinger av den samme avhengige variabelen på de samme forsøkspersonene over tid eller under ulike forhold.

28
Q

Hva er fordelene med repeated mesures ANOVA?

A

Usystematisk varians (SSr) reduseres fordi du bruker den samme gruppen mennesker - med andre ord holder du en del ting konstant gjennom de ulike testene, slik som deres alder og kjønn. Den blir derfor mer sensitiv til eksperimentelle effekter

Den er økonomisk i form av at man trenger færre deltakere, men vær obs på fatigue og “practice effekt”.

29
Q

Hvordan ser varians fordelingen ut i en repeated mesures ANOVA?

A

Her ser vi at oppdelingen av varians er litt annerledes, enn for independent ANOVA

Her er man først opptatt av varians mellom individer og innenfor individer (hvor mye varians er det hos deltaker 1).

Varians mellom individer deles så opp i effekten av eksperiment (SSm) og uforklart varians (SSr)

F-verdien måler fremdeles det samme (SSm vs SSr), men måten vi kommer til dette steget er annerlede

30
Q

Hvilke problemer er det knyttet til å analysere repeated measures ANOVA?

A

Det at vi har de samme deltakerne i alle betingelser gjør at scorer på tvers av betingelser korrelerer. Dermed brytes antakelsen om uavhengighet, og f-verdien blir ikke nøyaktig.

Det er dermed også enda en antakelse; sfærisitet, som generelt sier at korrelasjonen på tvers av betingelser bør være den samme

31
Q

Hvorfor har man antakelsen om sfærisitet i en repetert ANOVA?

A

Sfærisitet handler om å kontrollere avhengigheten i skårene man får under en repeated ANOVA på en spesifikk måte.

Den sikrer at variansen i forskjellene mellom betingelsene er lik.

Hvis variansene for disse forskjellene er like, kan vi si at avhengigheten mellom målingene er på et nivå som kan håndteres av ANOVA-modellen uten å forvrenge resultatene for mye.

32
Q

Hvordan kan man teste om antakelsen om sfærisitet er møtt eller brutt?

A

Dette kan gjøres ved å bruke Mauchlys test

En sig p-verdi = antakelsen er brutt
En ikke-sig p-verdi = møtt

33
Q

Hva må man tenke på når det kommer til Mauchlys testen av sfærisitet?

A

Den er sensitiv til utvalgsstørrelsen

Store utvalgsstørrelser kan gjøre det mer sensitiv til å bryte denne assumption med testen, selv om du egentlig ikke bryter den noe særlig.

Motsatt kan et lite utvalg være mer sensitivt til å få en ikke-signifikant verdi (møtt), når du egentlig har brutt den i stor grad.

Derfor må denne verdien alltid tolkes i lys av utvalgsstørrelsen.

34
Q

Dersom antakelsen om sfærisitet er brutt, hva kan du gjøre?

A

Bruke en av disse korrigerings metodene:

  • Greenhose Geisser Estimate (sikkert valg)
  • Huynh-Feldt Estimate

Det JASP gjør er å gange df med disse estimatene, som alltid er et tall mindre enn 1, for å korrigere effekten av sphericity.

Dersom du har brutt antakelsen vil df ganges med et tall mindre enn 1 og dermed vil df bli mindre.

Færre df betyr at det er vanskeligere for f-verdien å bli signifikant.

35
Q

Oppsummert: Hvordan kan du se om sfærisitet er møtt i SPSS output og hva gjør du dersom den ikke er møtt?

A

Det første man skal se på er sphericity assumed, og se om den er signifikant eller ikke.

Dersom den er signifikant, slik som her, må vi velge hvilket estimat vi skal bruke (G-G eller H-F).

Her har SPSS korrigert for oss, og vi ser at df-nivået endres og det samme gjør p-verdien.

Dersom den nye p-verdien vi får er signifikant så kan vi gå videre til å se på hovedeffekter osv.

36
Q

Hvordan følge opp en repetert ANOVA?

A

Kun innebygde kontraster eller

Post hoc tester (mer begrenset enn for uavhengige ANOVA)
- anbefaler Bonferronni

37
Q

Hva er en tre-veis mixed ANOVA?

A

3 uavhengige variabler, der;

  • 1 eller flere bruker de samme deltakerne
  • 1 eller flere bruker ulike deltakere
38
Q

Hva er en mixed anova?

A

Mixed ANOVA innebærer bruk av både mellomgruppedesign (independent faktoriell ANOVA) og repeterte målinger (repeated measures ANOVA).

Dette gjør det mulig å undersøke effekter av både mellom- og innen-gruppe variabler samtidig, samt eventuelle interaksjoner mellom dem.