दो-तरफा ANOVA

Question

के लिए Homoscedascity परीक्षण मैं var.test और bartlett.test का उपयोग कर रहा हूं, मूल एनोवा धारणाओं, दूसरों के बीच, homoscedascity (homogeniety, भिन्नता की समानता) की जांच करने के लिए। प्रक्रिया वन-वे एनोवा के लिए काफी सरल है: 2x2 तालिकाओं के लिए,

bartlett.test(x ~ g) # where x is numeric, and g is a factor 
var.test(x ~ g) 

लेकिन, यानी दो रास्ता एनोवा के, मैं इस तरह कुछ करना चाहता हूँ:

bartlett.test(x ~ c(g1, g2)) # or with list; see latter: 
var.test(x ~ list(g1, g2)) 

बेशक

, एनोवा मान्यताओं कर सकते हैं ग्राफिकल प्रक्रियाओं के साथ जांच कीजिए, लेकिन "एक अंकगणितीय विकल्प" के बारे में क्या? क्या यह बिल्कुल, प्रबंधनीय है? आप दो-तरफा एनोवा में होमोसिसैसिटी का परीक्षण कैसे करते हैं? के रूप में यह काम करता है केवल जब वहाँ दो समूह हैं

Answer 1

हाइपोथिसिस परीक्षण मॉडल धारणाओं की वैधता को गधे करने के लिए उपयोग करने का गलत टूल है। यदि नमूना आकार छोटा है, तो भिन्न भिन्नता का पता लगाने के लिए आपके पास कोई भिन्न अंतर नहीं है, भले ही भिन्नता भिन्न हो। यदि आपके पास एक बड़ा नमूना आकार है तो आपके पास बराबर भिन्नता से सबसे छोटी विचलन का पता लगाने की शक्ति है, इसलिए आप लगभग हमेशा शून्य को अस्वीकार कर देंगे। सिमुलेशन अध्ययनों से पता चला है कि मॉडल धारणा के प्रारंभिक परीक्षण अविश्वसनीय प्रकार I त्रुटियों की ओर जाता है।

सभी कोशिकाओं में अवशेषों को देखते हुए एक अच्छा संकेतक है, या यदि आपका डेटा सामान्य है, तो आप चयन प्रक्रिया के रूप में एआईसी या बीआईसी के बराबर भिन्नता के साथ/बिना उपयोग कर सकते हैं।

आपको लगता है असमान प्रसरण देखते हैं, तो कुछ के साथ इस धारणा ड्रॉप:

library(car) 
model.lm <- lm(formula=x ~ g1 + g2 + g1*g2,data=dat,na.action=na.omit) 
Anova(model.lm,type='II',white.adjust='hc3') 

आप मजबूत विधि (hetroscedastic संगत सहप्रसरण मैट्रिक्स) के साथ ढीला ज्यादा नहीं बिजली, इसलिए संदेह में अगर मजबूत जाते हो ।

Answer 2

bartlett.test

bartlett.test(split(x,list(g1,g2))) 

var.test के लिए लागू नहीं है।

Answer 3

आप भिन्नता की एकरूपता के Fligner–Killeen test का उपयोग करके हीटरोससेडेंसी के लिए परीक्षण कर सकते हैं। अपने मॉडल मान

model<-aov(gain~diet*supplement) 

fligner.test(gain~diet*supplement) 

     Fligner-Killeen test of homogeneity of variances 

data: gain by diet by supplement 
Fligner-Killeen:med chi-squared = 2.0236, df = 2, p-value = 0.3636 

की तरह आप bartlett.test इस्तेमाल किया जा सकता था (लेकिन यह अधिक प्रसरण की समानता के तुलना में गैर-सामान्य की एक परीक्षण है)

bartlett.test(gain~diet*supplement) 
     Bartlett test of homogeneity of variances 

data: gain by diet by supplement 
Bartlett's K-squared = 2.2513, df = 2, p-value = 0.3244 

इसके अलावा कुछ है, तो आप के लिए Levene test प्रदर्शन कर सकता है है एक तरफ और दो-तरफा एनोवा दोनों में बराबर समूह भिन्नताएं। Levene के परीक्षण के क्रियान्वयन संकुल में पाया जा सकता car (फिक्स्ड लिंक), s20x और lawstat

levene.test(gain~diet*supplement) # car package version 

Levene's Test for Homogeneity of Variance 
     Df F value Pr(>F) 
group 11 1.1034 0.3866 
     36