3582326603

1 Co to jest interakcja między zmiennymi?

Odpowiedź: INTERAKCJĘ MIEDZY czynnikami a i P możemy rozumieć jako łączny, nierozkładalny na sumę efektów czynnika a i P wpływ oku czynników na badaną zmienną ciągłą

Efekty czynników a i P nazywane są EFEKTAMI GŁÓWNYMI w dwuczynnikowym modelu analizy wariancji, zaś ich interakcja nazywana bywa EFEKTEM INTERAKCYJNYM. W przypadku dwuczynnikowej analizy kowariancji będziemy mieli do czynienia zarówno z efektami głównymi, efektami kowariancyjnymi jak i efektami interakcyjnymi

2. W jakich modelach możemy spotkać się z interakcją?

Interakcja może wystąpić kiedy badamy związek więcej niż jednej zmiennej niezależnej ze zmienną zależną Gdy istnieje możliwość, że jedna ze zmiennych niezależnych modyfikuje wpływ innej zmiennej niezależnej na zmienną zależną

Z interakcją mażemy spotkać się w modelach analizy wariacji wieloczynnikawej i kowariancji, modelach regresji liniowej i logistycznej. W REGRESJI LINIOWEJ: Mówić będziemy o występowaniu efektu interakcyjnego, gdy zależność między zmienną zależną i niezależną jest różna dla różnych wartości pewnej trzeciej zmiennej, powszechnie nazwanej „moderatorem" lub „zmienną modelującą". Np. relacja między statusem społecznym i częstością korzystania z paradni zdrowia zależy od płci badanych. Relacja ta jest inna wśród kobiet i wśród mężczyzn. Płeć jest moderatorem relacji między statusem społecznym i częstością korzystania z paradni.

3. Czym różnią efekty proste | efekty główne?

Efekty czynników a i P nazywane są EFEKTAMI GŁÓWNYMI w dwuczynnikowym modelu analizy wariancji, zaś ich interakcjanazywanabywa EFEKTEM INTERAKCYJNYM. EFEKTY GŁÓWNE - każdy czynnik działa z osobna - dla drugiego czynnikaparównywanie średnich, kiedy nie bierzemy pod uwagę poziomu czynnika pierwszego. EFEKTY PROSTE - kiedy zachodzi interakcje miedzy czynnikami, przy ustalanym poziomie pierwszego czynnika, porównujemy średnie drugiego czynnika. Porównanie średnich między poziomami czynnika pierwszego i osobno czynnika drugiego

problemów? Jakich?

Nie. W modelu regresji liniowej poszukujemy zależności między wartościami zmiennej objaśnianej i wartościami zmiennych objaśniających a model regresji logistycznej opisuje zależność między wartościami zmiennych objaśniających (nazywanych często czynnikami ryzyka) a prawdopodobieństwem wystąpienia badanego zdarzenia (stanu zmiennej wynikowej). Można powiedzieć ze obie metody służą do oceny zależności, ale zmienne wynikowe z badania sąróżne.

5.    Czym różnią się: kontrast i porównanie wielokrotne?

Stosując porównania wielokrotne badamy, która średnia wyznaczana przez poziom czynnika różni się od pozostałych. W porównaniach wielokrotnych porównywana jest każda średnia z każdą. Kontrasty również służą do porównywania średnich w celu znalezienia takiej, która istotnie różni się od pozostałych, tylko tyle, że w kontrastach, wybieramy jeden ze skrajnych poziomów, jako poziom odniesienia i porównujemy np. pierwszy i drugi, pierwszy i trzeci, nie ma wtedy porównania drugiego i trzeciego.

6.    Połącz założenia jednoczynnikowej ANOVA z .grupami testów porównali wielokrotnych?

Założeniem jednoczynnikowej ANOVY jest, aby wariancja (ta prawdziwa, a nie oszacowana na podstawie próby) była jednakowa w każdej z porównywanych grup, a cecha, w każdej z badanych grup, powinna mieć rozkład normalny.

W przypadku odrzucenia hipotezy o jednorodności wariancji (prawdopodobieństwo w teście Levene'a mniejsze od przyjętego poziomu istotności a = 0,05) możemy zastosować mocne testy równości średnich Welrha oraz Browna - Farsythe'ą które są odporne na jednorodność wariancji. W tej sytuacji odrzucamy hipotezę zerową na rzecz alternatywnej: wariancje nie są jednorodne, daje nam to podstawę do skorzystania z testów porównań wielokrotnych, niewymagających założenia o jednorodności wariancji (T2 Indianę’a i 13 Dunetta).

W przypadku, gdy prawdopodobieństwo w teście Levene'a jest większe od przyjmowanego poziomu istotności a = 0,05, nie mamy podstaw do odrzucenia hipotezy zerowej, że wariancje w porównywanych grupach