대비 코드를 사용하여 R에서 Type-III SS ANOVA를 어떻게 수행합니까?

-3, -1, 1, 3 대비로 개체 간 분산 분석을 수행 할 수있는 R 코드를 제공하십시오. 그러한 분석에 적절한 SS (Sum of Squares) 유형에 관한 논쟁이 있음을 이해합니다. 그러나 SAS 및 SPSS (Type III)에 사용되는 기본 SS 유형은 필자의 지역 표준으로 간주됩니다. 따라서이 분석 결과가 해당 통계 프로그램에 의해 생성 된 결과와 완벽하게 일치하도록하고 싶습니다. 답변을 받으려면 aov ()를 직접 호출해야하지만 다른 답변은 투표 할 수 있습니다 (이해하기 쉽고 이해하기 쉬운 경우).

sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))

편집 : 요청한 대비는 단순한 선형 또는 다항식 대비가 아니라 이론적 예측, 즉 Rosenthal과 Rosnow가 논의 한 대비 유형에 의해 파생 된 대비입니다.

ANOVA의 유형 III 제곱합은 자동차 패키지 의 Anova()기능을 통해 쉽게 사용할 수 있습니다 .

대비 코딩은 C(), contr.*패밀리 (@nico로 표시)를 사용하거나 contrasts()함수 / 인수를 직접 사용하여 여러 가지 방법으로 수행 할 수 있습니다 . 이에 대한 자세한 내용은 S (Springer, 2002, 4 판 )와 Modern Applied Statistics 의 6.2 (pp. 144-151)에 자세히 나와 있습니다. 참고 aov()단지 래퍼 함수 lm()기능. 모델의 오차 항을 제어하고 싶을 때는 흥미롭지 만 (예 : 개체 내 설계에서와 같이) 동일한 결과를 얻습니다 (그리고 모델에 맞는 방법에 관계없이 ANOVA 또는 LM-을 출력 할 수 있음) 와 같은 요약 summary.aov또는 summary.lm).

SPSS가 두 출력을 비교할 수는 없지만

> library(car)
> sample.data <- data.frame(IV=factor(rep(1:4,each=20)),
                            DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))
> Anova(lm1 <- lm(DV ~ IV, data=sample.data, 
                  contrasts=list(IV=contr.poly)), type="III")
Anova Table (Type III tests)

Response: DV
            Sum Sq Df F value    Pr(>F)    
(Intercept)  18.08  1  21.815  1.27e-05 ***
IV          567.05  3 228.046 < 2.2e-16 ***
Residuals    62.99 76                      
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

먼저 시도해 볼 가치가 있습니다.

R과 SAS의 요소 코딩 정보 : R은 기준 또는 참조 수준을 사전 순서의 첫 번째 수준으로 간주하지만 SAS는 마지막 수준을 고려합니다. 따라서, 비교 결과를 얻을 수, 중 당신은 사용해야하는 contr.SAS()나에게 relevel()당신의 R 계수.

이것은 약간의 자기 승진처럼 보일 수 있습니다 (그리고 나는 그것이 있다고 가정합니다). 그러나 이러한 종류의 상황을 정확하게 처리하도록 설계된 R 용 lsmeans 패키지 (CRAN에서 사용 가능)를 개발했습니다. 다음은 예제에서 작동하는 방법입니다.

> sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))
> sample.aov <- aov(DV ~ factor(IV), data = sample.data)

> library("lsmeans")
> (sample.lsm <- lsmeans(sample.aov, "IV"))
 IV    lsmean        SE df   lower.CL  upper.CL
  1 -3.009669 0.2237448 76 -3.4552957 -2.564043
  2 -3.046072 0.2237448 76 -3.4916980 -2.600445
  3  1.147080 0.2237448 76  0.7014539  1.592707
  4  3.049153 0.2237448 76  2.6035264  3.494779

> contrast(sample.lsm, list(mycon = c(-3,-1,1,3)))
 contrast estimate       SE df t.ratio p.value
 mycon    22.36962 1.000617 76  22.356  <.0001

원하는 경우 목록에서 추가 대비를 지정할 수 있습니다. 이 예제에서는 내장 선형 다항식 대비를 사용하여 동일한 결과를 얻을 수 있습니다.

> con <- contrast(sample.lsm, "poly")
> con
 contrast   estimate        SE df t.ratio p.value
 linear    22.369618 1.0006172 76  22.356  <.0001
 quadratic  1.938475 0.4474896 76   4.332  <.0001
 cubic     -6.520633 1.0006172 76  -6.517  <.0001

이를 확인하기 위해 "poly"사양에서 호출하도록 지시 poly.lsmc하면 다음과 같은 결과가 나타납니다.

> poly.lsmc(1:4)
  linear quadratic cubic
1     -3         1    -1
2     -1        -1     3
3      1        -1    -3
4      3         1     1

여러 대조의 공동 테스트를 할 경우, 사용 test과 기능을 joint = TRUE. 예를 들어

> test(con, joint = TRUE)

"유형 III"테스트가 생성됩니다. 와 달리 car::Anova(), 모델 맞춤 단계에서 사용되는 대비 코딩에 관계없이 올바르게 수행됩니다. 테스트중인 선형 함수는 모델 축소를 통해 암시 적으로가 아니라 직접 지정되기 때문입니다. 추가 기능은 테스트중인 대비가 선형으로 의존하는 경우가 감지되고 올바른 테스트 통계 및 자유도가 생성된다는 것입니다.

이 블로그 게시물을보고 싶을 수도 있습니다.

SPSS에서와 동일한 R을 얻음으로써 R이 발생합니다.-유형 II 및 유형 III 제곱합의 어려움

( 스포일러 :options(contrasts=c("contr.sum", "contr.poly")) 스크립트 시작 부분에 추가 )

대비를 수행 할 때 적절한 오류 항의 컨텍스트 내에서 셀 수단의 구체적이고 명시된 선형 조합을 수행합니다. 따라서 "SS 유형"이라는 개념은 대조적으로 의미가 없습니다. 각 대비는 본질적으로 유형 I SS를 사용하는 첫 번째 효과입니다. "SS의 유형"은 다른 용어에 의해 부분적으로 설명되거나 설명되는 것과 관련이 있습니다. 대조적으로, 부분적으로 설명되거나 설명되지 않습니다. 대조는 그 자체입니다.

유형 III 시험이 작업장에서 사용된다는 사실은 시험을 계속 사용해야하는 가장 약한 이유입니다. SAS는 이와 관련하여 통계에 큰 피해를 입혔습니다. 위에서 언급 한 Bill Venables의 주석은 이에 대한 훌륭한 자료입니다. 유형 III을 거부하면됩니다. 그것은 균형의 잘못된 개념을 기반으로하며 불균형 한 경우 셀의 바보 같은 가중치로 인해 전력이 낮습니다.

보다 명료하고 오류가 발생하기 쉬운 일반적인 대조 방법은 R rms패키지 contrast.rms기능 을 통해 제공됩니다 . 대비는 매우 복잡 할 수 있지만 예측 값의 차이로 표시되므로 사용자에게는 매우 간단합니다. 테스트 및 동시 대비가 지원됩니다. 이것은 비선형 회귀 효과, 비선형 상호 작용 효과, 부분 대비, 모든 종류의 것들을 처리합니다.

자동차 라이브러리에서 Anova 명령을 사용해보십시오. type = "III"인수는 기본값이 유형 II로 사용되므로 사용하십시오. 예를 들면 다음과 같습니다.

library(car)
mod <- lm(conformity ~ fcategory*partner.status, data=Moore, contrasts=list(fcategory=contr.sum, partner.status=contr.sum))
Anova(mod, type="III")

또한 자체 홍보, 나는 이것을 정확하게 위해 함수를 썼습니다 : https://github.com/samuelfranssens/type3anova

다음과 같이 설치하십시오 :

library(devtools)
install_github(samuelfranssens/type3anova)
library(type3anova)

sample.data <- data.frame(IV=rep(1:4,each=20),DV=rep(c(-3,-3,1,3),each=20)+rnorm(80))

type3anova(lm(DV ~ IV, data = sample.data))

또한 car패키지가 설치되어 있어야합니다.