ezANOVA에서 III 형 제곱합을 요청하는 인수를 포함시켜야합니까?

SPSS와 같은 통계 패키지에서 R로 통계 패키지를 전환하는 데 도움이되는 수단으로 R 용 ez 패키지를 개발했습니다. 다양한 분산 분석의 스펙을 단순화하고 SPSS와 유사한 출력 (효과 크기 및 가정 포함)을 제공함으로써 (희망적으로) 달성됩니다. 다른 기능들 중에서도). 이 ezANOVA()함수는 주로 래퍼 역할을 car::Anova()하지만 현재 버전의 ezANOVA()구현에서는 II 형 제곱합 만 구현하는 반면 car::Anova()II 형 또는 -III 제곱합을 지정할 수 있습니다. 예상했던대로 여러 사용자가ezANOVA()사용자가 유형 II 또는 유형 III을 요청할 수 있습니다. 나는 그렇게하기를 간절히 원했고 아래에 나의 추론을 간략하게 설명했지만, 나는 그 문제에 대한 나의 또는 다른 추론에 대한 공동체의 의견에 감사 할 것이다.

"SS_type"인수를 포함 하지 않는 이유 ezANOVA():

1. 유형 I, II 및 III 합계 제곱의 차이는 데이터의 균형이 맞지 않을 때만 발생합니다.이 경우 분산 분석을 사용하여 조정하는 것보다 추가 데이터 수집으로 불균형을 개선하면 더 많은 이점이 있습니다.
2. II 형과 III 형의 차이는 고차 효과로 검증 된 차수 효과에 적용되며,이 경우 저차 효과는 과학적으로 흥미가없는 것으로 간주됩니다. (그러나 논쟁의 가능한 합병증은 아래를 참조하십시오)
3. (1)과 (2)가 적용되지 않는 드문 상황 (추가 데이터 수집이 불가능하고 연구원이 현재 상상할 수없는 한정된 주요 효과에 대한 과학적 관심을 가지고있는 경우)의 경우 비교적 쉽게 수정할 수 있습니다. ezANOVA()소스 또는 고용 car::Anova()자체는 타입 III에게 시험을 달성한다. 이런 식으로, 나는 타입 III 시험을 얻는 데 필요한 추가 노력 / 이해가 그들이 무엇을하고 있는지 실제로 아는 사람들 만이 그 길을가는 것을 보장 할 수있는 수단으로 본다.

가장 최근의 제 III 형 요청자는 현존하지만 "유의하지 않은"고차 효과가 저차 효과에 대한 제곱합 계산을 바이어스 할 수있는 상황을 고려하여 인수 (2)가 손상되었다고 지적했다. 그러한 경우에, 연구원은 고차 효과를보고, 그것이 "유의하지 않은"것으로보고, 연구자에게 알려지지 않은, 저차 효과에 대한 해석을 시도하는 것을 상상할 수 있습니다. 나의 초기 반응은 이것이 제곱합에 문제가 아니라 p- 값과 귀무 가설 검정의 전통에 관한 문제라는 것입니다. 가능성 비율과 같은보다 명백한 증거 측정이 데이터와 일치하는 지원되는 모델에 대한 모호한 그림을 생성 할 가능성이 더 높다고 생각합니다. 그러나 나는

증폭하기 위해-나는 가장 최근의 요청 자라고 생각합니다.

Mike의 요점에 대한 구체적인 의견 :

1. I / II / III 차이가 상관 예측 변수에만 적용된다는 것은 분명한 사실입니다 (불확실한 설계가 가장 보편적 인 예, 특히 요인 분산 분석에서)-이것은 불균형 상황의 분석을 무시하는 주장으로 보입니다. (따라서 모든 유형 I / II / III 토론). 불완전 할 수도 있지만, 이런 방식으로 상황이 발생합니다 (많은 상황에서 추가 데이터 수집 비용이 통계적 문제를 능가합니다).

2. 이것은 완전히 공평하며 제가 접한 "II vs III, II 선호"주장의 대부분의 고기를 나타냅니다. 내가 만난 가장 좋은 요약은 Langsrud (2003) "불균형 데이터에 대한 분산 분석 : 유형 III 제곱합 대신 유형 II 사용", 통계 및 컴퓨팅 13 : 163-167입니다 (원본을 찾기 어려운 경우 PDF가 있음) ). 그는 상호 작용이 있고 상호 작용이 있으면 주 효과에 대한 고려는 일반적으로 의미가없고 (분명히 공정한 포인트) 상호 작용이 없다면, 주요 효과는 Type III보다 훨씬 강력하므로 의심 할 여지없이 항상 Type II를 사용해야합니다. 다른 주장 (예 : Venables,

3. 그리고 나는 이것에 동의합니다 : 당신이 상호 작용을하지만 주요 효과에 대해 약간의 질문이 있다면, 아마도 당신은 스스로 할 수 있습니다.

SPSS가이를 수행하거나 통계적 상위 기관에 대한 다른 참조 때문에 유형 III을 원하는 사람들이 분명히 있습니다. SPSS (시간, 돈 및 라이센스 만료 조건에 반대하는 것들이 있음) 및 Type III SS 또는 많은 유형을 고수하는 많은 사람들의 선택에 달려 있다면 나는이 견해에 전적으로 반대하지 않습니다. R과 III 형 SS로 전환하는 사람들. 그러나이 주장은 통계적으로 명백한 것이 아니다.

그러나 Type III에 찬성하여보다 실질적인 사실은 Myers & Well (2003, "Research Design and Statistical Analysis", 323, 626-629) 및 Maxwell & Delaney (2004, " 실험 설계 및 데이터 분석 : 모델 비교 관점, pp. 324-328, 332-335). 다음과 같습니다.

• 교호 작용이있는 경우 모든 방법은 교호 작용의 제곱합에 대해 동일한 결과를 제공합니다.
• 유형 II는 주 효과 시험에 대한 상호 작용이 없다고 가정한다. 유형 III는하지 않습니다
• 일부 (예 : Langsrud)는 상호 작용이 중요하지 않은 경우 상호 작용이없는 것으로 가정하고 (더 강력한) Type II 주 효과를보고 있다고 정당화한다고 주장합니다.
• 그러나 상호 작용에 대한 테스트에 전력이 부족하지만 상호 작용이있는 경우 상호 작용이 "유의하지 않음"으로 나타날 수 있지만 여전히 유형 II 주 효과 테스트의 가정을 위반하여 해당 테스트를 너무 자유로울 수 있습니다. .
• Myers & Well은 Appelbaum / Cramer를 Type II 접근법의 주요 지지자로 인용하고 [p323]을 진행한다 : "... .25 수준이지만이 접근 방식의 결과에 대한 이해가 불충분 한 경우 일반적으로 상호 작용 효과를 취하지 않는 우선적 인 이유와 명확하지 않은 상호 작용을 강요하지 않는 한 제 2 종 sqaures 합은 계산하지 않아야합니다. 제곱의 합." [p629] 전체적으로, Lee & Hornick 1981은 중요성에 접근하지 않는 상호 작용이 주요 효과의 시험을 편향시킬 수 있음을 시연으로 인용합니다. Maxwell & Delaney [p334]는 모집단의 교호 작용이 0 인 경우 제 2 형 접근법을지지합니다. 그리고 [이 접근법에서 파생 된 수단의 해석 성을 위해] 그렇지 않은 경우 Type III 접근법. 또한 상호 작용 테스트에서 유형 2 [저전력] 오류를 유발하여 실수로 위반하는 문제로 인해 실제 상황에서 (데이터와의 상호 작용의 존재에 대해 추론하는 경우) 유형 III을 사용하도록 주장합니다. Type II SS 접근법의 가정; 그런 다음 Myers & Well과 비슷한 점을 지적하고이 문제에 대한 긴 토론에 주목하십시오! 상호 작용 테스트에서 유형 2 [저전력] 오류를 초래하여 실수로 유형 II SS 접근법의 가정을 위반하는 문제로 인해 데이터로부터 상호 작용의 존재에 대한 추론을 재개; 그런 다음 Myers & Well과 비슷한 점을 지적하고이 문제에 대한 긴 토론에 주목하십시오! 상호 작용 테스트에서 유형 2 [저전력] 오류를 초래하여 실수로 유형 II SS 접근법의 가정을 위반하는 문제로 인해 데이터로부터 상호 작용의 존재에 대한 추론을 재개; 그런 다음 Myers & Well과 비슷한 점을 지적하고이 문제에 대한 긴 토론에 주목하십시오!

그래서 나의 해석은 (그리고 나는 전문가가 아닙니다!) 논쟁의 양쪽에 많은 통계청이 있다는 것입니다. 제시된 일반적인 주장은 문제를 야기 할 수있는 일반적인 상황에 대한 것이 아니다 (상황이 중요하지 않은 상호 작용으로 주요 효과를 해석하는 일반적인 상황 임). 그리고 그 상황에서 Type II 접근법에 대해 염려해야 할 정당한 이유가있다 (그리고 그것은 힘과 잠재적 인 과자 유주의에 기인한다).

저에게 그것은 ezANOVA의 Type III 옵션과 Type II를 원할 정도로 충분합니다. (내 돈을 위해) R의 ANOVA 시스템에 대한 훌륭한 인터페이스이기 때문입니다. R은 초보자에게는 사용하기 쉬운 방법이며, ezANOVA와 다소 멋진 효과 플로팅 기능을 갖춘 "ez"패키지는 R을보다 일반적인 연구 대상이 접근 할 수 있도록하는 데 큰 도움이됩니다. 진행중인 내 생각 중 일부 (그리고 ezANOVA의 불쾌한 해킹) http://www.psychol.cam.ac.uk/statistics/R/anova.html에 있습니다.

모든 사람의 생각을 듣고 싶습니다!

주의 사항 : 순전히 통계가 아닌 답변입니다. 동일한 유형의 분석 (예 : ANOVA)을 수행 할 때 하나의 기능 (또는 하나 이상의 패키지)으로 작업하는 것을 선호합니다. 지금까지 Anova()반복 측정 값을 가진 모델을 지정하는 구문을 선호 하기 때문에 일관성있게 사용 하고 반복되지 않는 측정 값을 사용 aov()하면 SS 유형 I을 거의 잃지 않습니다. ezANOVA()효과 크기의 추가 이점에 좋습니다. 그러나 내가 싫어하는 것은 본질적으로 동일한 유형의 분석을 수행하기 위해 3 가지 기능을 처리해야한다는 것입니다. 단 하나는 기능 X (Y는 아님)를 구현하고 다른 하나는 Y (X는 아님)를 구현하기 때문입니다.

ANOVA를 들어, 나는 선택할 수 있습니다 oneway(), lm(), aov(), Anova(), ezANOVA(), 아마 다른 사람. R을 가르 칠 때 이미 다른 옵션, 서로 관련되는 방법 ( aov()래퍼입니다 lm()) 및 어떤 기능을 수행하는지 설명하는 것은 이미 고통 스럽습니다 .

• oneway()단일 요인 설계에만 옵션이 var.equal=FALSE있습니다. 그러한 옵션은 aov()없지만 다중 기능 설계에도 해당 기능이 있습니다.
• 반복 측정에 대한 구문이 조금 복잡합니다 aov().Anova()
• 편리한 SS 타입 I에서만 aov()이 아니라에서Anova()
• 편리한 SS 타입 II 및 III에서만 Anova()에서하지,aov()
• 편리한 효과의 크기를 측정 ezANOVA()하지 다른 사람,

모든 기능을 수행하는 하나의 일관된 구문으로 하나의 기능 만 가르쳐야합니다. 편리한 SS 타입 III이 없으면 ezANOVA()학생들이 어느 시점에서 사용하도록 요청 받게 될 것이므로이 기능을 사용할 수 없습니다 ( "John Doe가 SPSS와 함께 얻은 결과를 확인하십시오"). 모델을 지정하는 또 다른 구문을 배우지 않고도 스스로 선택할 수있는 옵션이 더 낫습니다. "나는 당신에게 가장 좋은 것을 알고 있습니다"라는 태도는 장점이 있을지 모르지만 과잉 보호적일 수 있습니다.

R 세계는 Type 3 SS를 좋아하지 않습니다.

일반적으로 인용되는 참고 문헌 중 하나는 Bill Venables (2000)의 "선형 모형에 대한 해석" 입니다.

나는 그를 오도하지 않기를 희망하지만, 그의 주요 주장은 Type 3 SS가 선형 모델의 한계 원칙을 위반하므로 합리적이지 않다는 것입니다.

이것은 제 II / III 형 문제에 대한 시선을 끄는 논쟁이었습니다. 토론을 제공하는 모든 사람들의 노력에 감사드립니다. 나는 타입 III에 대해 타입 II를 일관되게 홍보하는 관점으로 돌아 왔지만 논쟁에 대한 이해력이 약했다. 나는 존 III의 회귀 서 (car)에서 타입 III 테스트를 거의하지 않았다는 조언에 의존했다. 해석 할 수 있습니다 (그가 그렇게 말한 것 같습니다 ...).

어쨌든 ezANOVA는 심리학에서 가르치는 학부생에게는 불가능한 R 기능에 대한 액세스를 허용하는 데 정말 유용합니다. 혼합 ROVA 디자인을 보여주기 위해 ezANOVA를 특징으로하는 온라인 R 모듈을 제공합니다 (이전 버전 3은 버그가있을 수 있지만 ... doh!)

여기서 사용해보십시오.

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

모듈이로드 된 후 (~ 10 초) 계산 버튼 (페이지의 반 아래)을 찾으면 ezANOVA와 관련 테이블 및 플롯이 실행됩니다.

이안