EzANOVA'da tip-III karelerin toplamını talep etmek için bir argüman içermeli miyim?

R için ez paketini, halkın SPSS gibi istatistik paketlerinden R'ye geçişine yardımcı olmak için bir araç olarak geliştirdim. Bu (umarım), çeşitli ANOVA lezzetlerinin özelliklerini basitleştirerek ve SPSS benzeri çıktı (etki boyutları ve varsayım dahil) sağlayarak elde edilir. testleri), diğer özelliklerin yanı sıra. ezANOVA()İşlevinin çoğunlukla bir sargı olarak hizmet car::Anova()ancak şu anki sürümü ezANOVA()ise, aletler sadece tip II kareleri toplamı car::Anova()ya tip-II ya da karelerin III toplamlarının izin tarifnamede. Muhtemelen beklediğim gibi, birkaç kullanıcı,ezANOVA()kullanıcının tip-II veya tip-III istemesini sağlar. Bunu yapmak ve aşağıda gerekçelerimi özetlemek için çok istekliydim, ancak topluluğun benim veya bu konuyla ilgili başka herhangi bir gerekçe konusundaki girdisini takdir ediyorum.

Nedenleri değil de bir "SS_type" argümanı dahil ezANOVA():

1. Tip I, II ve III toplamı kareleri arasındaki fark sadece veriler dengesiz olduğunda ortaya çıkar, bu durumda ANOVA hesaplamasıyla uğraşmaktan daha fazla veri toplama ile dengesizliği iyileştirmekten daha fazla fayda sağlandığını söyleyebilirim.
2. Tip II ve III arasındaki fark, yüksek dereceli etkilerle nitelenen düşük dereceli etkiler için geçerlidir, bu durumda düşük dereceli etkileri bilimsel olarak ilgi çekici bulmuyorum. (Ancak tartışmanın olası bir komplikasyonu için aşağıya bakınız)
3. (1) ve (2) 'nin geçerli olmadığı nadir durumlar için (daha fazla veri toplama imkansız olduğunda ve araştırmacı şu anda hayal edemediğim nitelikli bir ana etkiye geçerli bir bilimsel ilgi duyduğunda), nispeten kolayca değiştirilebilir tip III testlerini başarmak için ezANOVA()kaynak veya istihdam car::Anova(). Bu şekilde, tip III testlerini elde etmek için gereken ekstra çabayı / anlayışı, sadece gerçekten ne yaptıklarını gerçekten bilenlerin bu rotaya gitmesini sağlayabileceğim bir araç olarak görüyorum.

Şimdi, en son tip-III istemcisi, argümanın (2) mevcut fakat "önemli olmayan" yüksek dereceli etkilerin, düşük dereceli etkiler için karelerin toplamının hesaplanmasını öngörebileceği koşullar dikkate alınarak zayıflatıldığına dikkat çekmiştir. Bu gibi durumlarda, bir araştırmacının üst düzey etkiye bakması ve bunun "anlamlı olmayan" olduğunu görmesi, araştırmacıya bilinmeyen, düşük dereceli etkilerin yorumlanmasına kalkışılması akla gelebilir. İlk tepkim, bunun karelerin toplamıyla ilgili bir sorun değil, p-değerleri ve sıfır hipotez testi geleneği ile ilgili bir sorun olduğudur. Olabilirlik oranı gibi daha açık bir kanıt ölçümünün, verilerle uyumlu olarak desteklenen modellerin daha az belirsiz bir resmini vermesinin daha olası olabileceğinden şüpheleniyorum. Ancak,

Sadece yükseltmek için - en son talep eden benim, inanıyorum.

Mike'ın puanları hakkında özel yorumda:

1. I / II / III farkının sadece (dengesiz tasarımların kesinlikle faktöriyel ANOVA'da en yaygın örnek olduğu) korelasyonlu öngörücüler için geçerli olduğu doğrudur - ama bu bana dengesiz durumun analizini reddeden bir argüman gibi görünüyor. (ve dolayısıyla herhangi bir Tip I / II / III tartışması). Kusurlu olabilir, ancak işlerin gerçekleşme şekli budur (ve birçok bağlamda, daha fazla veri toplamanın maliyeti istatistiksel soruna ağır basar, buna rağmen uyarılar).

2. Bu tamamen adildir ve karşılaştığım "II'ye karşı II, II'yi tercih" argümanlarının çoğunu temsil eder. Karşılaştığım en iyi özet Langsrud (2003) "Dengesiz veriler için ANOVA: Tip III toplamları kareler yerine Tip II'yi kullanın", İstatistik ve Hesaplama 13: 163-167 (Orijinalin bulunması zorsa bir PDF'ye sahibim) ). (İki faktörlü vakayı temel örnek olarak alarak) bir etkileşim varsa, bir etkileşim olduğunu, bu nedenle ana etkilerin dikkate alınmasının genellikle anlamsız olduğunu (açıkça adil bir nokta) - ve etkileşim yoksa, Tip II analizinin ana etkiler Tip III'ten (şüphesiz) daha güçlüdür, bu yüzden her zaman Tip II ile gitmelisiniz. Başka argümanlar gördüm (örneğin, Venables,

3. Ve buna katılıyorum: Eğer bir etkileşime sahipseniz, ancak ana etki hakkında bir sorunuz varsa, muhtemelen kendin yap alanına girersiniz.

Açıkçası sadece Tip III'ü isteyenler var, çünkü SPSS bunu yapıyor veya istatistiksel Yüksek Otoriteye başka bir referans. Bu görüşe karşı tamamen karşı değilim, eğer SPSS (zaman, para ve lisans son kullanma koşullarına karşı bazı şeylerim var) ve Tip III SS ile yapışan bir çok insan veya R ve Tip III SS'ye geçen insanlar. Ancak, bu argüman istatistiksel olarak açıkça topaldır.

Bununla birlikte, Tip III lehine daha önemli bulduğum argümanı Myers & Well (2003, "Araştırma Tasarımı ve İstatistiksel Analiz", s. 323, 626-629) ve Maxwell & Delaney (2004, " Deney Tasarlama ve Verileri Analiz Etme: Bir Model Karşılaştırma Perspektifi ", s. 324-328, 332-335). Bu şu şekildedir:

• bir etkileşim varsa, tüm yöntemler karelerin etkileşim toplamı için aynı sonucu verir
• Tip II, ana etkileri test etmek için herhangi bir etkileşim olmadığını varsayar; tip III yapmaz
• Bazıları (örneğin, Langsrud) etkileşim önemli değilse, o zaman bir tane olmadığını varsayarak ve (daha güçlü) Tip II ana etkilere bakarken haklı olduğunuzu iddia eder.
• Ancak, etkileşim testinin gücü düşükse, ancak bir etkileşim varsa, etkileşim "anlamlı olmayan" olarak ortaya çıkabilir, ancak yine de Tip II ana etki testinin varsayımlarının ihlaline yol açabilir ve bu testlerin çok liberal olmasına neden olabilir. .
• Myers & Well, Tip II yaklaşımının birincil savunucuları olarak Appelbaum / Cramer'dan bahsediyor ve devam ediyor [p323]: "... Etkileşimin önemsiz olması için daha muhafazakar kriterler kullanılabilir, örneğin etkileşimin önemli olmaması gerekir .25 seviyesi, ancak bu yaklaşımın sonuçları hakkında yeterli anlayış yoktur.Genel bir kural olarak, etkileşim etkilerini varsaymak için a priori bir sebep ve açıkça önemsiz bir etkileşim olmadığı sürece, Tip II toplam sqaures toplamları hesaplanmamalıdır. toplamı. " Genel olarak, Lee ve Hornick 1981, önemine yaklaşmayan etkileşimlerin ana etkilerin testlerini saptayabildiğinin bir göstergesidir. Maxwell ve Delaney [p334] popülasyon etkileşimi sıfırsa, güç için Tip II yaklaşımını savunurlar, ve eğer [bu yaklaşımdan türetilen araçların yorumlanabilirliği için] değilse Tip III yaklaşımı. Etkileşim testinde Tip 2 [yetersiz güç] hatası yapma ve dolayısıyla yanlışlıkla ihlal etme sorunu nedeniyle, gerçek yaşam durumunda Tip III'ü (verilerden etkileşimin varlığı hakkında çıkarımlarda bulunurken) kullanmayı da savunuyorlar. Tip II SS yaklaşımının varsayımları; daha sonra Myers & Well'e daha fazla puan verir ve bu konudaki uzun tartışmaya dikkat ederler! etkileşim testinde tip 2 [yetersiz güç] hatası yapma ve bu nedenle yanlışlıkla Tip II SS yaklaşımının varsayımlarını ihlal etme sorunu nedeniyle verilerden etkileşimin varlığı hakkında çıkarımlarda bulunur; daha sonra Myers & Well'e daha fazla puan verir ve bu konudaki uzun tartışmaya dikkat ederler! etkileşim testinde tip 2 [yetersiz güç] hatası yapma ve bu nedenle yanlışlıkla Tip II SS yaklaşımının varsayımlarını ihlal etme sorunu nedeniyle verilerden etkileşimin varlığı hakkında çıkarımlarda bulunur; daha sonra Myers & Well'e daha fazla puan verir ve bu konudaki uzun tartışmaya dikkat ederler!

Benim yorumum (ve ben uzman değilim!) Tartışmanın her iki tarafında bol miktarda Yüksek İstatistiksel Otorite olduğu; öne sürülen olağan argümanların sorunlara yol açacak olağan durumla ilgili olmadığı (bu durum, ana etkileri anlamlı olmayan bir etkileşim ile yorumlamanın yaygın olduğu durum); ve bu durumda Tip II yaklaşımı hakkında endişelenmek için adil nedenler vardır (ve potansiyel aşırı liberalizm meselesine karşı bir güç haline gelir).

Benim için, ezANOVA'da Tip III seçeneğinin yanı sıra Tip II için de bu yeterli. Çünkü (param için) R'nin ANOVA sistemlerine mükemmel bir arayüz. R acemiler için kullanımı kolay olmanın bir yoludur ve benim görüşüme göre ezANOVA ve oldukça güzel efekt çizim işlevleriyle "ez" paketi, R'yi daha genel bir araştırma kitlesi için erişilebilir hale getirmek için uzun bir yol kat ediyor. Devam eden düşüncelerimden bazıları (ve ezANOVA için kötü bir hack) http://www.psychol.cam.ac.uk/statistics/R/anova.html adresinde .

Herkesin düşüncelerini duymak isterdim!

Uyarı: tamamen istatistiksel olmayan bir cevap. Aynı analiz türünü (örneğin, ANOVA) yaparken bir işlevle (veya en az bir paketle) çalışmayı tercih ederim. Şimdiye kadar, sürekli olarak kullanıyorum, Anova()çünkü sözdizimini tekrarlanan ölçümlere sahip modelleri belirtmek için tercih ediyorum - tekrarlanan ölçümlerle karşılaştırıldığında aov()çok az (SS tip I). ezANOVA()efekt boyutlarının ek yararı için iyidir. Ama özellikle sevmediğim şey, esasen aynı türde bir analiz yapmak için 3 farklı fonksiyonla uğraşmak zorunda kalıyor, çünkü bunlardan biri X (ancak Y değil) ve diğeri Y (ancak X değil) kullanıyor.

ANOVA, ben arasında seçim yapabilir oneway(), lm(), aov(), Anova(), ezANOVA(), ve muhtemelen diğerleri. R'yi öğretirken, farklı seçenekleri, birbirleriyle nasıl ilişkilendiklerini ( aov()bunun için bir sarıcıdır lm()) ve hangi fonksiyonun ne yaptığını açıklamak zaten bir acıdır :

• oneway()sadece tek faktörlü tasarımlar için ama seçenekli var.equal=FALSE. aov()Diğerlerinde böyle bir seçenek yoktur , ancak bu çok faktörlü tasarımlar için de işlev görür.
• tekrarlanan ölçümler için sözdizimi biraz karmaşık aov(), daha iyiAnova()
• sadece uygun SS tip I aov(), değilAnova()
• uygun SS tip II ve III sadece içinde Anova(), içinde değilaov()
• uygun etki büyüklüğü ölçümleri ezANOVA(), diğerlerinde değil

Her şeyi yapan tek bir sözdizimiyle tek bir işlevi öğretmek düzgün olur. Uygun SS tip III olmadan ezANOVA()benim için bu işlev olamaz çünkü öğrencilerden bunları bir noktada kullanmaları isteneceğini biliyorum ("John Doe'nun SPSS ile elde ettiği bu sonuçları çapraz kontrol edin"). Modelleri belirtmek için başka bir sözdizimi öğrenmek zorunda kalmadan kendi seçiminizi yapmanın daha iyi olduğunu düşünüyorum. "Senin için neyin en iyi olduğunu biliyorum" tutumunun avantajları olabilir, ancak aşırı koruyucu olabilir.

R-dünyası Type 3 SS'yi pek sevmiyor.

Genel olarak atıfta bulunulan referanslardan biri, Bill Venables (2000) tarafından "Doğrusal Modellerde İncelemeler" dir .

Umarım onu ​​yanlış karıştırmıyorum, ancak ana argümanı Tip 3 SS'nin doğrusal modellerin marjinallik ilkesini ihlal ettiği ve bu nedenle makul olmadığıdır.

Bu benim için tip II / III konusunda göz açıcı bir tartışma oldu. Herkesin tartışmayı sağlama çabası için teşekkürler. Tip-II'yi tip-III üzerinde sürekli olarak teşvik etme görüşüne geldim, ancak argümanı zayıf bir şekilde kavradım - John fox'un regresyon kitabındaki (araba) tip-III testlerinin nadiren önerildiğine dair tavsiyeye güvenmiştim. yorumlanabilir (iyi, sanırım bunu söyledi ...).

Her neyse, ezANOVA, psikolojide öğrettiğim lisans öğrencileri için imkansız olan R işlevselliğine erişime izin vermek için gerçekten yararlıdır. Biri karışık ANOVA tasarımlarını göstermek için ezANOVA içeren çevrimiçi R modülleri sağlarım (ön sürüm 3 bunun için buggy olabilir gibi görünüyor ... doh!)

Burada deneyin:

http://www.wessa.net/rwasp_Mixed%20Model%20ANOVA.wasp

modül yüklendikten sonra (~ 10s) hesaplama düğmesini (sayfanın yarısına kadar) bulun ve ezANOVA ile ilişkili tabloları ve grafikleri çalıştıracaktır.

Ian