Upload
attilio-piccinini
View
250
Download
2
Embed Size (px)
Citation preview
Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within)
ikikkiik ε+α+π+μ=y 0
modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore:
trattamentovarianza dovuta ai soggetti I = numero soggetti (I = 4)
K = numero livelli tratt. (K = 3)
popolazione errore
Nel disegno con 1 fattore ripetuto con 2 o più livelli (ossia gli stessi soggetti ripetuti due o più volte), il modello dell’analisi della varianza è diverso rispetto a quello a una via per campioni indipendenti.
Nel modello a una via a misure ripetute, la varianza del punteggio osservato è data non solo dall’effetto della variabile indipendente, ma anche dalle differenze individuali (fattore soggetto) e dall’interazione soggetto trattamento.
La varianza d’errore è data dall’interazione oltre che dall’errore casuale.
interazione sogg.tratt.
L’interazione sogg. tratt. determina se l’effetto della var. indip. è costante, oppure no per tutti i soggetti.
effetto costante peri soggetti nel tempo:
effetto variabile per i soggetti nel tempo:
soggetto 1
soggetto 2
soggetto 2
soggetto 1
soggetto 2
soggetto 2
Esempio:Ricerca di Blanchard e coll. (1978)I ricercatori volevano stabilire se una data tecnica di rilassamento fosse in grado di ridurre il livello di emicrania nelle persone.sono stati selezionati 9 soggetti affetti da emicrania. Per 2 settimane, prima del trattamento (baseline), sono stati misurati (in ore per settimana) le durate delle emicranie. Nelle 3 settimane successive è stata applicata la tecnica di rilassamento.
Soggetti I sett. II sett. III sett. IV sett. V sett. medie
1 21 22 8 6 6 12,6
2 20 19 10 4 4 11,4
3 17 15 5 4 5 9,2
4 25 30 13 12 17 19,4
5 30 27 13 8 6 16,8
6 19 27 8 7 4 13
7 26 16 5 2 5 10,8
8 17 18 8 1 5 9,8
9 26 24 14 8 9 16,2
medie 22,333 22 9,333 5,778 6,778
media globale:13,244
inserimento dati per ANOVA con 1 fattore within:
bisogna creare tante colonne, una per ciascun livello o fase di trattamento.
scelta del tipo di analisi:
analisi da scegliere quando sia devono fare ANOVE e misure ripetute o miste
definizione dei fattori within e scelta delle variabili:
fatt. between
fatt. within
Fattori entro soggetticc
Misura: MEASURE_1
sett_1
sett_2
sett_3
sett_4
sett_5
settimana1
2
3
4
5
Variabiledipendente
Test multivariatib
.986 86.391a 4.000 5.000 .000 .986
.014 86.391a 4.000 5.000 .000 .986
69.113 86.391a 4.000 5.000 .000 .986
69.113 86.391a 4.000 5.000 .000 .986
Traccia di Pillai
Lambda di Wilks
Traccia di Hotel ling
Radice di Roy
Effettosettimana
Valore F Ipotes i df
Gradi dilibertà
dell 'errore Sig.Eta quadrato
parziale
Statistica esattaa.
Disegno: Intercetta Disegno entro soggetti : settimana
b.
num. livelli fatt. within e colonne variabili associate
indici di impatto della variabile indipendente sulla variabile dipendente
Il test della sfericità
Se si calcolano le varianze dei punteggi dei soggetti per ciascun livello del fattore e le covarianze dei punteggi tra i livelli, si ottiene una matrice di varianze e covarianze. Nel nostro caso, la matrice di varianze e covarianze è:
Il test della sfericità valuta la simmetria composta della matrice di varianze-covarianze. Per sfericità composta si intende che le varianze (in rosso nella matrice) e le covarianze (i valori fuori dalla diagonale) siano tra loro omogenee. Se esiste una notevole disparità tra varianze o covarianze, allora l’analisi della varianza deve essere corretta.
I sett. II sett. III sett. IV sett. V sett.
I sett. 21 11,75 9,25 7,833 7,333
II sett. 11,75 28,5 13,75 16,375 13,375
III sett. 9,25 13,75 11,5 8,583 8,208
IV sett. 7,833 16,375 8,583 11,694 10,819
V sett. 7,333 13,375 8,208 10,819 16,945
Test di sfericità di Mauchlyb
Misura: MEASURE_1
.282 8.114 9 .537 .684 1.000 .250Effetto entro soggettisettimana
W di Mauchly
Appross imazione
chi-quadrato df Sig.Greenhouse-Geisser Huynh-Feldt
Limiteinferiore
Eps ilona
Verifica l 'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente tras formata ortonormalizzataè proporzionale a una matrice identità.
È poss ibile utilizzarlo per regolare i gradi di l ibertà per i tes t di s ignificatività mediati. I tes t corretti vengonovisualizzati nella tabella dei tes t sugli effetti entro soggetti.
a.
Disegno: Intercetta Disegno entro soggetti : settimana
b.
Il test della sfericità è un test molto conservativo.,dato che riduce la probabilità della statistica F. Il rischio della violazione dell’assunzione di sfericità potrebbe implicare, se l’effetto della var. indip. è debole, un esito negativo (F risulta non significativo) dell’analisi di varianza.
Se il test di Mauchly non è significativo, allora si può tranquillamente eseguire l’analisi di varianza. Se risulta, invece, significativo, occorre aggiustare i gradi di libertà della statistica F. Le procedure per aggiustare i gdl sono:1.Procedura di Greenhouse e Geisser (più conservatore)2.Procedura di Huyn e Feldt (meno conservatore)il Limite Inferiore fa riferimento alla massimadeviazione dalla sfericità.
Test di Mauchly – H0 : sfericità non violata
Test degli effetti entro soggetti
Misura: MEASURE_1
2449.200 4 612.300 85.042 .000
2449.200 2.738 894.577 85.042 .000
2449.200 4.000 612.300 85.042 .000
2449.200 1.000 2449.200 85.042 .000
230.400 32 7.200
230.400 21.903 10.519
230.400 32.000 7.200
230.400 8.000 28.800
Assumendo la sfericità
Greenhouse-Geisser
Huynh-Feldt
Limite inferiore
Assumendo la sfericità
Greenhouse-Geisser
Huynh-Feldt
Limite inferiore
Sorgentesettimana
Errore(settimana)
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
valori da considerare in caso di violazione della sfericità (test di Mauchly significativo)
tabella dei valori F per il fattore within:
Analisi del trend o dei contrasti (Trend analysis)
Tale analisi serve per stabilire come varia lungo i livelli della var. indip. l’effetto. Tale analisi descrive la forma dell’effetto per i vari livelli del fattore.
(y = x2)
coefficienti:lin. -2,-1,0,1,2quadr. -2,1,2,1,-2cub. -1,1,0,-1,1quart. 1,-2,2,-2,1
le somme dei coeff.danno sempre 0
(y = x)
(y = x3)
Test dei contrasti entro soggetti
Misura: MEASURE_1
2016.400 1 2016.400 190.226 .000 .960
89.175 1 89.175 12.011 .008 .600
256.711 1 256.711 53.918 .000 .871
86.914 1 86.914 14.451 .005 .644
84.800 8 10.600
59.397 8 7.425
38.089 8 4.761
48.114 8 6.014
settimanaLineare
Quadratico
Cubico
Ordine 4
Lineare
Quadratico
Cubico
Ordine 4
Sorgentesettimana
Errore(settimana)
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
finestra di output (grafico):
0
5
10
15
20
25
30
numero settimane
atta
cch
i di e
mic
ran
ia
sett. 1 sett. 2 sett. 3 sett. 4 sett. 5
baseline
grafico corretto:
trattamento
Test degli effetti fra soggetti
Misura: MEASURE_1
Variabile trasformata: Media
7893.689 1 7893.689 129.747 .000 .942
486.711 8 60.839
SorgenteIntercetta
Errore
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
tabella dei fattori between:
disegno quasi-sperimentale (disegno AB)
Disegni fattoriali
I disegni fattoriali sono quei disegni in cui vengono manipolate o selezionate due o più var. indip. Il vantaggio dei disegni fattoriali consiste soprattutto:1.possibilità di verificare contemporaneamente l’effetto di più variabili e la loro interazione2.economicità in termini di numero di soggetti per verificare le ipotesi
tipi di disegni fattoriali:
1. disegno fattoriale tra i soggetti (disegno con fattori between)
B1 B2
a d
A1 b e
c f
g j
A2 h k
i l
n = 12
B1 B2
a a
A1 b b
c c
a a
A2 b b
c c
n = 3
2. disegno fattoriale entro i soggetti (disegno con fattori within)
3. disegno fattoriale misto (disegno con fattori between e within)
B1 B2
a a
A1 b b
c c
d d
A2 e e
f f
n = 6
Nei disegni fattoriali abbiamo:1.Gli effetti principali. L’effetto principale è l’effetto medie di una variabile in tutti i valori di un’altra variabile.2.L’interazione. Indica l’esistenza di un’interazione tra due variabili. Due variabili interagiscono se l’effetto di una variabile dipende dal livello dell’altra. In altri termini, se l’interazione tra due variabili è significativa, allora l’effetto di una variabile è modulato da quello dell’altra.
Solo con i disegni fattoriali è possibile studiare l’interazione tra le variabili, e solo con l’analisi della varianza è possibile verificare se l’interazione è significativa o no.
L’interazione, quando è significativa, riduce la generalizzabilità dell’effetto principale.
Disegno fattoriale con 2 fattori betweenRicerca di Eysenck (1974). Nella sua ricerca, Eysenck oltre all’effetto dovuto al tipo di elaborazione del materiale verbale, voleva verificare anche l’effetto dell’età sulla capacità di memorizzazione. Perciò nel suo esperimento partecipavano 50 soggetti di età tra i 18 e i 30 anni (giovani) e 50 soggetti di età tra i 55 e i 65 anni (anziani)
soggetti conta rima aggettivo immagine intenzionale Medie II fatt.1 9 7 11 12 102 8 9 13 11 193 6 6 8 16 14
anziani 4 8 6 6 11 555-65 anni 5 10 6 14 9 10
6 4 11 11 23 117 6 6 13 12 148 5 3 13 10 159 7 8 10 19 11
10 7 7 11 11 11Medie 7 6,9 11 13,4 12 10,06
1 8 10 14 20 212 6 7 11 16 193 4 8 18 16 17
giovani 4 6 10 14 15 1518-30 anni 5 7 4 13 18 22
6 6 7 22 16 167 5 10 17 20 228 7 6 16 22 229 9 7 12 14 18
10 7 7 11 19 21Medie 6,5 7,6 14,8 17,6 19,3 13,16
Medie I fatt. 6,75 7,25 12,9 15,5 15,65
inserimento dati:
var. dip. (misura)
primo fattore: metodo di elaborazione (1=conta; 2=rima;3=aggettivo; 4=immagine; 5=intenzionale)
secondo fattore: età dei soggetti (1=55-65 anni); 2= 18-30 anni)
tipo di analisi:
scelta della var. dip. e dei fattori between:
grafico:
Fattori tra soggetti
20
20
20
20
20
50
50
1.00
2.00
3.00
4.00
5.00
1=conta;2=rima;3=aggettivo;4=immagine;5=intenzionale
1.00
2.00
1=55-65 anni;2=18-30 anni
N
Test degli effetti fra soggetti
Variabile dipendente: parole ricordate (0 - 27)
1945.490a 9 216.166 26.935 .000 .729
13479.210 1 13479.210 1679.536 .000 .949
1514.940 4 378.735 47.191 .000 .677
240.250 1 240.250 29.936 .000 .250
190.300 4 47.575 5.928 .000 .209
722.300 90 8.026
16147.000 100
2667.790 99
SorgenteModello corretto
Intercetta
metodo
eta
metodo * eta
Errore
Totale
Totale corretto
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
R quadrato = .729 (R quadrato corretto = .702)a.
livelli dei fattori e numero di soggetti per livello:
tabella delle statistiche F degli effetti principali (metodo ed età) e dell’interazione:
effetti principali
interazione
sia gli effetti principali che l’interazione sono significativi
grafico:
5
10
15
20
tipo di elaborazione
me
die
de
lle r
isp
ost
e c
orr
ette
cont rima agg imm int
anzianigiovani Combinando i risultati dell’analisi di varianza
con la rappresentazione grafica delle medie per i diversi livelli del primo fattore in relazione ai diversi gruppi, possiamo dire che il metodo di elaborazione influisce sulla capacità di memoria, tuttavia anche l’età influisce, dato che, soprattutto per l’elaborazione più profonda sono i giovani, rispetto agli anziani, a trarne maggior beneficio.
interpretazione dei dati (disegno fattoriale tra i soggetti):
effetti e interazione F p
metodo 47,19 <.001età 29,94 <.001tipo x età 5,93 <.001
metodo
Disegno misto (1 fattore between e 1 fattore within)
Un ricercatore vuole verificare l’efficacia di tre metodi per smettere di fumare:1.Il primo metodo consiste in una graduale diminuzione del numero di sigarette fumate2.Il secondo metodo consiste nell’immediata diminuzione del numero di sigarette3.Il terzo metodo consiste nel seguire una terapia antifumo
Il ricercatore divide un campione di 15 soggetti in 3 gruppi, uno per ciascun metodo, e poi chiede loro di valutare su una scala da 0 a 10 il desiderio di fumare propria ora sia quando stanno a casa, sia quando sono a lavoro.
Il disegno è un disegno misto, perche abbiamo il tipo di metodo che implica soggetti diversi per ciascun livello (fattore metodo fattore between) e il luogo in cui i soggetti devono dichiarare il loro desiderio di fumare (fattore luogo fattore within).
Casa Lavoro Medie I fatt.
Metodo 1 6 4
5 2
7 4
6 5
5 3 4,7
Metodo 2 7 6
5 4
6 5
6 5
5 4 5,3
Metodo 3 5 4
3 2
5 3
5 0
6 3 3,6
Medie II fatt. 5,47 3,6
Dati della ricerca:
inserimento dati: primo livello within
secondo livello within
fattore between
per ogni livello del fattore within va creata un’apposita colonna di dati.
I livelli del fattore between sono ripartiti per righe. La colonna del fattore between indica le righe che appartengono ad un dato livello del fattore between.
I livello
II livello
III livello
scelta del tipo di analisi:
definizione dei livelli del fattore within:
scelta delle variabili (var. dip., fattore within e fattore between):
forma grafico:
Test multivariatib
.789 44.800a 1.000 12.000 .000 .789
.211 44.800a 1.000 12.000 .000 .789
3.733 44.800a 1.000 12.000 .000 .789
3.733 44.800a 1.000 12.000 .000 .789
.291 2.457a 2.000 12.000 .128 .291
.709 2.457a 2.000 12.000 .128 .291
.410 2.457a 2.000 12.000 .128 .291
.410 2.457a 2.000 12.000 .128 .291
Traccia di Pillai
Lambda di Wilks
Traccia di Hotelling
Radice di Roy
Traccia di Pillai
Lambda di Wilks
Traccia di Hotelling
Radice di Roy
Effettoluogo
luogo * metodo
Valore F Ipotes i df
Gradi dilibertà
dell 'errore Sig.Eta quadrato
parziale
Statistica esattaa.
Disegno: Intercetta+metodo Disegno entro soggetti: luogo
b.
Fattori tra soggetti
5
5
5
1.00
2.00
3.00
metodoN
numero livelli del fattore within e numerosità soggetti per livello
effetto dei fattori within e dell’interazione sulla var. dip.
output dell’analisi:
Test di sfericità di Mauchlyb
Misura: MEASURE_1
1.000 .000 0 . 1.000 1.000 1.000Effetto entro soggettiluogo
W di Mauchly
Appross imazione
chi-quadrato df Sig.Greenhouse-Geisser Huynh-Feldt
Limiteinferiore
Epsilona
Verifica l 'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente trasformata ortonormalizzataè proporzionale a una matrice identità.
È poss ibile utilizzarlo per regolare i gradi di l ibertà per i tes t di s ignificatività mediati. I tes t corretti vengonovisualizzati nella tabella dei test sugli effetti entro soggetti.
a.
Disegno: Intercetta+metodo Disegno entro soggetti: luogo
b.
Test degli effetti entro soggetti
Misura: MEASURE_1
26.133 1 26.133 44.800 .000 .789
26.133 1.000 26.133 44.800 .000 .789
26.133 1.000 26.133 44.800 .000 .789
26.133 1.000 26.133 44.800 .000 .789
2.867 2 1.433 2.457 .128 .291
2.867 2.000 1.433 2.457 .128 .291
2.867 2.000 1.433 2.457 .128 .291
2.867 2.000 1.433 2.457 .128 .291
7.000 12 .583
7.000 12.000 .583
7.000 12.000 .583
7.000 12.000 .583
Assumendo la s fericità
Greenhouse-Geisser
Huynh-Feldt
Limite inferiore
Assumendo la s fericità
Greenhouse-Geisser
Huynh-Feldt
Limite inferiore
Assumendo la s fericità
Greenhouse-Geisser
Huynh-Feldt
Limite inferiore
Sorgenteluogo
luogo * metodo
Errore(luogo)
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
il test di Mauchly è inutile in quanto il fattore within ha solo 2 livelli
tabella degli F per il fattore within e per l’interazione:
l’effetto principale luogo è significativo
l’interazione non è significativa
Test dei contrasti entro soggetti
Misura: MEASURE_1
26.133 1 26.133 44.800 .000 .789
2.867 2 1.433 2.457 .128 .291
7.000 12 .583
luogoLineare
Lineare
Lineare
Sorgenteluogo
luogo * metodo
Errore(luogo)
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
Test degli effetti fra soggetti
Misura: MEASURE_1
Variabile tras formata: Media
616.533 1 616.533 359.146 .000 .968
14.867 2 7.433 4.330 .038 .419
20.600 12 1.717
SorgenteIntercetta
metodo
Errore
Somma deiquadratiTipo III df
Media deiquadrati F Sig.
Eta quadratoparziale
analisi del trend:
tabella degli F per il fattore between:
l’effetto principale è significativo
grafico:
0
2
4
6
8
metodo antifumo
de
sid
eri
o d
i fu
ma
re
met. 1 met. 2 met. 3
casalavoro
interpretazione dei dati:l’effetto principale metodo è significativo, nel senso che, tra i vari metodi, il metodo 3 (terapia antifumo) è quello più efficace nel ridurre il bisogno di fumare
L’effetto principale luogo è significativo, nel senso che nel luogo di lavoro i soggetti sentono meno l’esigenza di fumare
L’interazione non è significativa, quindi c’è indipendenza tra gli effetti delle due var. indip.
tabella riassuntiva degli effetti principali e dell’interazione (disegno fattoriale misto):
effetti e interazione F p
fattori betweenmetodo 4,33 <.05
fattori within e interazioniluogo 44,80 <.001luogo x metodo 2,46 .128
Alcune cose da tenere a mente sull’analisi di varianza:
1.solo l’analisi di varianza permette il test dell’interazione2. evitare disegni troppo “complessi”, ad es. AB C D. Se l’interazione per 4 fattori è significativa, occorre spiegarla.3. per interpretare i dati correttamente, è necessario anche osservare l’andamento delle medie (grafico delle medie)4. attenzione ai fattori entro (within) o tra (between) i soggetti. Occorre applicare il modello corretto di varianza a seconda del tipo di fattore.