Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19.



Hasonló dokumentumok
Nemparametrikus tesztek április 25.

Varianciaanaĺızis november 19.

2012. április 18. Varianciaanaĺızis

Varianciaanalízis 4/24/12

Nemparametrikus tesztek december 3.

y ij = µ + α i + e ij

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

A nyelvészeti kísérletekben egy személytől szinte mindig többféle. Ismert módszer az ismételt méréses ANOVA, ahol a független

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

Hipotézis vizsgálatok

Több valószínűségi változó együttes eloszlása, korreláció

Kettőnél több csoport vizsgálata. Makara B. Gábor

IV. Változók és csoportok összehasonlítása

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Adatelemzés az R-ben április 25.

Biostatisztika Összefoglalás

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Minitab 17 újdonságai. Lakat Károly L.K.Quality Bt szept

Reiczigel Jenő,

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Statisztikai szoftverek esszé

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

Esetelemzés az SPSS használatával

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Bevezetés a Korreláció &

Diszkriminancia-analízis

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

Statisztika elméleti összefoglaló

Typotex Kiadó. Tartalomjegyzék

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Az első számjegyek Benford törvénye

Centura Szövegértés Teszt

Kísérlettervezés alapfogalmak

ANOVA összefoglaló. Min múlik?

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Gazdasági matematika II. vizsgadolgozat, megoldással,

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Logisztikus regresszió

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Matematikai geodéziai számítások 6.

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Matematikai geodéziai számítások 6.

Az emberi vér vizsgálata. Vércsoportmeghatározás, kvalitatív és kvantitatív vérképelemzés és vércukormérés A mérési adatok elemzése és értékelése

Adatok statisztikai értékelésének főbb lehetőségei

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kísérlettervezés alapfogalmak

Bevezetés a hipotézisvizsgálatokba

Grafikonok az R-ben március 7.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

BIOMATEMATIKA ELŐADÁS

Többváltozós lineáris regressziós modell feltételeinek

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

[Biomatematika 2] Orvosi biometria

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

A maximum likelihood becslésről

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Segítség az outputok értelmezéséhez

Logisztikus regresszió

i p i p 0 p 1 p 2... i p i

Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

A konfidencia intervallum képlete: x± t( α /2, df )

Abszolút folytonos valószín ségi változó (4. el adás)

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

Korrelációs kapcsolatok elemzése

(Independence, dependence, random variables)

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

11. modul: LINEÁRIS FÜGGVÉNYEK

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Biostatisztika 2. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika c. művei alapján

Több laboratórium összehasonlítása, körmérés

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

FIT-jelentés. Budapest XXI. Kerületi Kölcsey Ferenc Általános Iskola 1214 Budapest XXI. kerület, Iskola tér 45. OM azonosító:

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

FIT-jelentés. Budapest XXI. Kerületi Kölcsey Ferenc Általános Iskola 1214 Budapest XXI. kerület, Iskola tér 45. OM azonosító:

Az ANOVA feltételeire vonatkozó vizsgálatok és adatkezelési technikák

Bevezetés az ökonometriába

FIT-jelentés. Kempelen Farkas Gimnázium 1223 Budapest XXII. kerület, Közgazdász utca OM azonosító: Intézményi jelentés. 8.

4. okt. 3.: statisztika: binomiális regresszió, saját kísérletek

1. Példa. A gamma függvény és a Fubini-tétel.

Matematikai geodéziai számítások 5.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Variancia-analízis (folytatás)

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Korreláció számítás az SPSSben

Átírás:

Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19.

Varianciaanaĺızis Adott egy parametrikus függő változó és egy vagy több kategoriális független változó. Pl. függő változó: vércukorszint, kategoriális (= nominális) változók: (1) kezelés (inzulin, placebó), (2) napszak (reggel, délben, este), Vizsgált kérdések: (1) van-e különbség a csoportok átlaga között (t-próba általánosítása), (2) van-e hatása a vizsgált tényezőnek (regressziószámítás: magyarázó változók hatása a függő változóra). Előfeltétel: minta normális eloszlása és csoportokon belüli varianciák homogenitása (nagyjábóli megegyezése). Tesztek: Kolmogrov-Smirnov-próba, Levene-próba stb. (ld. előző félév 5. és 6. óra).

Varianciaanaĺızis típusai: egyváltozós próbák Egytényezős varianciaanaĺızis (one-way ANOVA): egy függő változó (vércukorszint), egy független változó (kezelés): 200 kísérleti személy (ksz) vércukorszintje, a fele inzulint kap, a másik fele placebót. Kéttényezős varianciaanaĺızis (two-way ANOVA): egy függő változó (vércukorszint), két független változó (kezelés, napszak): 600 kísérleti személy, 300 inzulint kap, 300 placebót, ezek közül csoportonként 100 ksz értékeit reggel mérik, 100-ét délben, 100-ét este. Többtényezős varianciaanaĺızis (n-way ANOVA): egy függő változó (vércukorszint), n független változó (vércukorszint, napszak, nem, korosztály, bőrszín stb.). Minden csoportban 100-100 eltérő személy vércukorszintjét mérik.

Varianciaanaĺızis típusai: egyváltozós, ismételt méréses tesztek Nem tudunk/akarunk faktorkombináció * 100 kísérleti személyt felhajtani, ezért a kísérleti személyeket reggel, délben és este megvizsgáljuk kéttényezős dizájnban 600 helyett elég 200 ksz. Belső tényező (within-subjects factor): egy személyen belül napszakonként több mérés. Köztes tényező (between-subjects factor): csoportok tagjainak összehasonĺıtása, azaz inzulinnal, ill. placebóval kezelt csoport. További előfeltétel: szfericitás, azaz a feltételek függetlensége. Bármely két feltétel közötti összefüggésnek azonosnak kell lennie bármely másik két feltétel közötti összefüggésse, pl. reggel és délben mért vércukorszintek különbségeinek varianciája azonos délben és este, valamint este és reggel mért vércukorszintek különbségeinek varianciájával.)

Ismételt méréses többváltozós varianciaanaĺızis Teszt Mauchly-próbával, korrektúra Greenhouse-Geisser-próba segítségével (SPSS-felhasználók előnyben). Elegánsabb megoldás: többváltozós varianciaanaĺızis. Itt az egyik függő változó továbbra is a vércukorszint, a másik pedig a különböző szintek közötti kovariancia. R-ben szükséglet: car csomag, plusz két további szkript (anova.mean.r és Anova.prepare.r), letölthető innen: clara.ntyud.hu/ mady Emlékeztetőül: az ismételt mérés nem azt jelenti, hogy egyazon embertől tízszer veszünk vért reggel, egyazon beszélővel ötször mondatjuk el ugyanazt a mondatot stb.! Az ilyen ismétlés nem kerül bele az ismételt méréses varianciaanaĺızisbe, ehelyett az ismétlések átlagát vesszük.

Példa Mondatvégi kétszótagú, /s/-re és /z/-re végződő szavakban megmértük a frikatíván belüli zöngés tartomány hosszát. Zöngésebbek-e a mondatvégi /z/-k, mint az /s/-ek? zfin.rdata, letöltés innen: clara.nytud.hu/ mady Egyazon beszélő azonos feltételen belüli ismételt felolvasásainak átlaga: zmean = anova.mean(zfin$cvoice,zfin$subj,zfin$voiced) Kapott adatmátrix oszlopainak elnevezése: names(zmean) = c("cvoice","subj","voiced")

Ismételt méréses ANOVA summary(aov(cvoice voiced + Error(subj/voiced), data=zmean)) Releváns p-érték: Error: subj:voiced sor alatt (ez jelzi az alanyok szerinti interakciót). Ábrázolás: interaction.plot(x-tengely, ismételt mérés alanya, paraméter) interaction.plot(zmean$voiced,zmean$subj,zmean$cvoice)

Ismételt méréses MANOVA R-kód library(car) code = c("d","s","w") d = zmean[,c("cvoice","subj","voiced")] d.t = Anova.prepare(d,code) d.lm = lm(d.t$d 1) Anova(d.lm,idata=d.t$w,idesign= voiced) code: d: függő változó (dependent variable), s: ismételt mérés tárgya (subject), w: belső tényező (within-subject factor), b: csoportok közötti tényező (between-subject factor). Az Anova.prepare függvény kizárólag a d, s, w és b változókat tudja értelmezni! Csak a w változóból lehet több, ha több tényezőnk van.

Többtényezős MANOVA Többtényezős ismételt méréses többváltozós varianciaanaĺızis képlete, ha nincs between subject factor, pl. ha megelőző mássalhangzóra is kíváncsiak vagyunk. Először a cellánkénti átlagokat újra kell számolni: zmean.c = anova.mean(zfin$cvoice, zfin$subj, zfin$voiced, zfin$c1) names(zmean.c) = c("cvoice","subj","voiced","c1") code = c("d","s","w","w") d = zmean.c[,c("cvoice","subj","voiced","c1")] d.t = Anova.prepare(d,code) d.lm = lm(d.t$d 1) Anova(d.lm,idata=d.t$w,idesign= voiced*c1) Megegyeznek az eredmények az ismételt méréses ANOVA által kiadottal?

Ismételt méréses MANOVA, több csoport Hogyan hat a tág, szűk és kontrasztív fókusz a fókuszban levő szó hangsúlyos szótagjának tartamára, és a megelőző topik hangsúlyos szótagjának tartamára? Hatással van-e a szelektív szemétgyűjtés a hangsúlyos szótag tartamára (eco változó)? Letöltés: accdur.rdata hangsúlyos szótag tartama: acc2 változó, milliszekundumokban. Először egy mérések átlagát tartalmazó táblázatot kell létrehozni az anova.mean függvénnyel (accmean). code = c("d","s","w","b") d = accmean[,c("acc2","subj","focus","eco")] d.t = Anova.prepare(d,code) d.lm = lm(d.t$d factor(d.t$b)) Anova(d.lm,idata=d.t$w,idesign= focus)