İki yönlü bir denekler arası ANOVA, denekler arası iki bağımsız değişken içerir. Bu iki değişkenin seviyeleri, tüm olası kombinasyonlarda birleştirilir (faktöriyel olarak birleştirilir), her kombinasyon bağımsız bir durum grubunu temsil eder. Örneğin, iki bağımsız değişken A düzeyi (a1 ve a2) ve iki bağımsız değişken B düzeyi (b1 ve b2) ile, tasarımda (a1b1, a1b2, a2b1) dört ayrı koşul (ayrı durum grupları) vardır. , ve a2b2).

Tasarımın denekler arası tek yönlü ANOVA’dan iki yönlü denekler arası ANOVA’ya dönüştürülmesi hem nicel hem de nitel bir ilerlemedir. Tek yönlü bir tasarımda, çalışmadaki yalnızca tek bağımsız değişkenin etkisini değerlendirirken, iki yönlü bir tasarımda bağımsız değişkenlerin her birinin etkilerini değerlendirebiliriz (sanki uygulamışız gibi) nicel bir gelişmedir. iki tek yönlü tasarım). İki yönlü tasarımda bağımsız değişkenlerin etkilerine ana etkiler denir.

İki yönlü tasarım aynı zamanda tek yönlü tasarıma göre niteliksel bir ilerlemedir çünkü faktöriyel olarak birleştirilmiş iki bağımsız değişkenimiz vardır. Böyle bir faktöriyel kombinasyon, son derece değerli olan bir “bonus” etki – omnibus (genel) etkileşim etkisi – verir. İki yönlü bir tasarımda, bu etkileşim etkisi iki yönlü etkileşim olarak bilinir ve normalde A × B etkileşimi olarak adlandırılır (bir araştırma çalışmasında A ve B bağımsız değişkenlerin gerçek adlarını alır).

Bu üç etki, iki ana etki ve iki yönlü etkileşim, bağımlı değişkenin varyansının ayrı bölümlerini temsil eder ve her biri istatistiksel anlamlılık için ayrı ayrı test edilir. Her testteki boş hipotez, etkinin bağımlı değişkenin varyansının hiçbirini açıklamamasıdır (yani, her etki için eta kare değeri sıfırdır).

Muhtemelen, araştırmacıların iki yönlü tasarımlara çekilmesinin birincil nedeni, iki bağımsız değişkenin etkileşim etkisini inceleyebilmeleridir. Etkileşimler, ana etkilerden daha yüksek dereceli etkilerdir (daha fazla bilgi taşırlar) ve istatistiksel olarak anlamlılarsa, ana etkilerin yerini alırlar (açıklamada öncelik alırlar).

Bir etkileşimin daha yüksek dereceli bir etki olduğu fikri aşağıdaki noktalara dayanmaktadır:

• Omnibus etkileşim etkisi, ayrı koşulların araçlarıyla (örneğin, a1b1, a1b2, a2b1 ve a2b2) açıkça ilgilenir ve bu nedenle önemli ölçüde ayrıntılı bilgi taşır. Ana etkiler yalnızca kendi seviyeleriyle ilgilidir; örneğin, iki A düzeyiyle, A’nın ana etkisi a1 ve a2 arasındaki farkı ele alır (B düzeyleri arasında çöker).
• Etkileşim etkisi daha fazla bilgi taşıdığı için, ana etkilerde yer alan bilgiler etkileşimde açıkça görülebilir; Her bir ana etki, diğerinin etkisine göre ortalama aldığından, ana etkilere bakıldığında etkileşimde yer alan bilgiler “kaybolur”.
• Yukarıdaki iki nokta göz önüne alındığında, diğer her şey eşit olmak üzere, araştırmacıların tipik olarak benimsedikleri strateji, eğer istatistiksel olarak anlamlıysa, dikkatlerini çok yönlü etkileşim etkisine odaklamaktır; daha sonra çok amaçlı etkiyi “basitleştirmek” veya açıklamak için koşulların araçları üzerinde (bu bağlamda basit etkilerin testleri olarak adlandırılır) çoklu karşılaştırma testleri gerçekleştirirler.
• Yalnızca etkileşim önemli olmadığında, çoğu araştırmacı, her bir bağımsız değişken içindeki seviyelerin ortalamalarını karşılaştırarak (örneğin, post hoc testleri kullanarak) ana etkileri ayrıntılı olarak inceleyecektir.

ANOVA tablosu oluşturma
İki yönlü ANOVA tablosu
Two-way ANOVA
ANOVA hesaplayıcı
ANOVA testi örnekleri
MANOVA
ANOVA tablosu formülleri
Tek yönlü ve çift yönlü ANOVA farkı

Bir bağımsız değişkenin farklı seviyeleri, diğer bağımsız değişken boyunca farklı bir sonuç modeli ürettiğinde, istatistiksel olarak anlamlı bir çok amaçlı etkileşim etkisi elde edilecektir. Bu koşullar altında, düzeyler arası örüntü paralel olmadığından bağımsız değişkenlerden birinin diğerinin etkisini hafiflettiği söylenebilir. Bu sözlü niteleme nispeten basit bir şekilde gösterilmiştir.

Soldaki iki grafik, iki (birçok olası) etkileşim etkisini göstermektedir. Üstteki çizim, a1 ve a2’nin kesiştiğini temsil eden çizgileri gösterir ve alttaki çizim, kesişmeyen a1 ve a2’yi temsil eden çizgileri gösterir. a1 ve a2 fonksiyonları paralel olmadığından (bağımsız değişken B’nin seviyeleri arasında farklı ilişkiler taşırlar) her ikisinin de çok yönlü etkileşim etkilerini tasvir ettiğini görebiliriz.

Basit etkilerin testleri, her bir araç çiftini karşılaştırır. Örneğin, alttaki grafikte, a1’in b1’de a2’den farklı olup olmadığını, a1’in b2’de a2’den farklı olup olmadığını, a1 koşulunda b1’in b2’den farklı olup olmadığını ve a2 koşulu altında b1’in b2’den farklı olup olmadığını belirlemek isteriz.

Etkileşimi inceleyerek de ana etkiler hakkında bazı bilgiler toplayabiliriz. Örneğin, en alttaki grafikte, A’nın muhtemelen önemli bir ana etkisinin olduğunu makul bir şekilde tahmin edebiliriz; a2’nin işlevi ortalama olarak a1’den daha yüksek olduğu için bu tahmini yapabiliriz (a2’nin ortalaması, a1’in ortalamasından oldukça yüksektir).

Öte yandan, en üstteki grafikte, a1’in ortalaması (a1 çizgisinin orta noktası) a2’nin ortalamasına (a2 çizgisinin orta noktası) çok yakın görünmektedir, bu da A’nın ana etkisinin (değerlendirme) olduğunu düşündürmektedir. a1 ve a2) arasındaki ortalama fark muhtemelen istatistiksel olarak anlamlı değildir.

Sağdaki tek çizim, bir etkileşim etkisinin olmadığını gösterir. İstatistiksel olarak anlamlı bir etkileşimin yokluğunu teşhis etmenin anahtarı, a1 ve a2 için fonksiyonların paralel olmasıdır (bağımsız değişken B’nin seviyeleri arasında aynı ilişkiyi taşırlar). Bu şekilde grafik çizildiğinde, A’nın ana etkisinin muhtemel önemi de ortaya çıkıyor.

SAYISAL ÖRNEK

Örneğimiz için kullandığımız veriler şişme tedavisi adlı veri dosyasında mevcuttur. Belirli bir tür kas şişmesi için bir ilaç henüz geliştirildi ve semptomu olan 54 hasta üzerinde ilk sınırlı testten geçiyor. Şişme, 25 puanlık bir ölçümle değerlendirilir, daha yüksek puanlar daha yüksek şişme seviyelerini gösterir; bağımlı değişken, veri dosyasında şişme olarak adlandırılır. Karşılaştırılabilir seviyelere sahip hastalar

Çalışmanın başlangıcında şişme oranı, tedavi olarak adlandırılan bağımsız değişken altında üç koşuldan birine rastgele atanmıştır: tedavi yok (veri dosyasında 1 olarak kodlanmıştır), plasebo (veri dosyasında 2 olarak kodlanmıştır) veya ilaç tedavisi (kodlanmış) veri dosyasında 3 olarak). Hasta cinsiyeti veri dosyasında kadın için 1, erkek için 2 olarak kodlanmıştır. Kodlamanın görülebilmesi için veri dosyasının bir bölümünün ekran görüntüsü gösterilmektedir.

The post Konular Arası İki Yönlü ANOVA – SPSS Ödevi Yaptırma – SPSS Analizi Yaptırma Fiyatları – SPSS Örnekleri – Ücretli SPSS Analizi Yaptırma – SPSS Analizi Yaptırma Ücretleri first appeared on Akademi Delisi (Tez Yaptırma).