חישוב אפקטים פשוטים
or duek
יש לי בעיה איתה שאני מתחבט בה כבר זמן מה.
נניח מערך של 2 על 2
המשתנה התלוי הראשון הוא חשיפה (בעל שתי רמות, משתנה תוך נבדקי). המשתנה
התלוי השני הוא טיפול (שוב, שתי רמות).
לאחר שקיבלתי אינטראקציה מובהקת אני מעוניין לבצע ניתוחי המשך ולבחון את
האפקט הפשוט של חשיפה בתנאים השונים של הטיפול.
כיצד אני יכול לעשות זאת?
את ניתוחי השונות ביצעתי בעזרת aov
או בעזרת lme.
בשני המקרים לא מצאתי פתרון לחישוב האפקט הפשוט.
תודה רבה,
אור.
Jonathan Rosenblatt
or duek
summary
אינו עושה את העבודה כיוון שאני לא צריך לאמוד את האפקט אלא לבחון
מובהקות של אפקט פשוט.
נניח לבחון מובהקות של סוג הטיפול בחשיפה ראשונה (רמה אחת של המשתנה
השני). ואת המובהקות של סוג הטיפול בחשיפה שנייה (הרמה השנייה).
אפקט האינטראקציה המובהק רק מרמז שהם מתנהגים שונה, אך כדי לחקור אותו
אני צריך אפקטים פשוטים.
תודה.
DrorD
הבעיה הנוכחית נראית לי מאוד דומה לבעיה שנדונה פה:
http://groups.google.com/group/r-help-archive/msg/bde024e916832218
לא כך?
בברכה,
דרור
Tal Galili
----------------Contact Details:-------------------------------------------------------
Contact me: Tal.G...@gmail.com | 972-52-7275845
Read me: www.talgalili.com (Hebrew) | www.biostatistics.co.il (Hebrew) | www.r-statistics.com (English)
----------------------------------------------------------------------------------------------
or duek
אכן זו בדיוק אותה בעיה, ואני העלתי אותה גם שם.
אני מעלה אותה כאן בתקווה שימצא פיתרון פשוט יותר לבעיה ומתאים יותר.
למעשה אני מחפש פונקציה שמאפשרת לי לבצע השוואות (לא בהכרח לאחר מעשה) של
אפקטים פשוטים.
אני יודע של SPSS
יש אופציה כזו כאשר שם אני כותב משהו כזה:
/emmean (a*b) compare (a)
ואז הוא יודע לבחון את האפקט של a
ברמות השונות של b.
אני אשתמש במה שכתבתי שם כדי לנסות ולהמחיש את הקוד:
If I have a mixed model with A as within subject (A is exposure, has 2
levels) and drug(2 levels between subject) and strain(2 levels between
subject).
I reshape the data to fit the R aov() function.
thus instead of looking like this:
subject drug strain exposure_1 exposure2
1 1 1 34 25
2 2 1 26 22
etc.
it looks like this:
subject drug strain exposure dependent
1 1 1 1 34
1 1 1 2 25
etc.
and the I do:
aov(dependent~(exposure*strain*drug) + Error(subject/exposure) +
(drug*strain), data)
בכתיבת summary
של קוד זה אני מקבל את האפקטים העיקריים (drug, strain and exposure)
ואת האינטראקציות השונות.
אולם אני רוצה לדעת כיצד מתנהג הטיפול תחת התנאים השונים של החשיפה ואת
זה אני לא יודע לעשות.
אני אשמח לשמוע אם יש פונקציה מתאימה יותר מ aov
לנושא.
On Feb 25, 5:25 pm, Tal Galili <tal.gal...@gmail.com> wrote:
> היי אור,
> התוכל בבקשה לתת קוד לדוגמא שממחיש את הסיטואציה. ואז איזשהו פלט שהיית רוצה
> לקבל ?
>
> (אני מנסה להבין האם מה שאתה שואל זה בעצם מבחן פוסט-הוק, אבל אני לא משוכנע,
> ולכן זקוק לדוגמא כדי שאוכל להבין טוב יותר)
>
> טל
>
> ----------------Contact
> Details:-------------------------------------------------------
> Contact me: Tal.Gal...@gmail.com | 972-52-7275845
> Read me:www.talgalili.com(Hebrew) |www.biostatistics.co.il(Hebrew) |www.r-statistics.com(English)
Tal Galili
----------------Contact Details:-------------------------------------------------------
Contact me: Tal.G...@gmail.com | 972-52-7275845
Read me: www.talgalili.com (Hebrew) | www.biostatistics.co.il (Hebrew) | www.r-statistics.com (English)
or duek
אני מתכווון לא רק למתן הממוצעים עבור הרמות השונות אלא גם בדיקת מובהקות
ההפרש בין הממוצעים הללו.
On Feb 25, 5:59 pm, Tal Galili <tal.gal...@gmail.com> wrote:
> היי אור.
>
> שוב - התוכל לתת דוגמא לסוג הפלט שהיית רוצה לקבל ?
>
> לדוגמא - האם אתה מעוניין לקבל את ה"ממוצעים" שהיו מתקבלים עבור הרמות השונות
> של הגורמים ?
>
> טל
>
> ----------------Contact
> Details:-------------------------------------------------------
Tal Galili
ההפרש בין הממוצעים הללו"
----------------Contact Details:-------------------------------------------------------
Contact me: Tal.G...@gmail.com | 972-52-7275845
Read me: www.talgalili.com (Hebrew) | www.biostatistics.co.il (Hebrew) | www.r-statistics.com (English)
Jonathan Rosenblatt
אנחנו בהחלט מתקדמים...
פונקציות לינאריות של המקדמים נקראות
linear contrasts
אני מציע שתציץ בקישור ותאשר שאכן זו הבעייה על הפרק- אם כן- אז אוכל לעזור יותר.
http://en.wikipedia.org/wiki/Contrast_%28statistics%29
יונתן
DrorD
הפוסט שבלינק של Ista Zahn.
!אני אשמח לתגובות של מי ש*באמת* מבין בסטטיסטיקה
The data contains a dependent var: t.total and two independent vars:
group (between: D2C2, C2D2) and present.type (within: C2, D2)
# First is the "overall" ANOVA:
m.total=aov(t.total~group*present.type+Error(subj/present.type),
data=dat.net)
summary(m.total)
Error: subj
Df Sum Sq Mean Sq F value Pr(>F)
group 1 1430 1430 0.4224 0.528
Residuals 12 40634 3386
Error: subj:present.type
Df Sum Sq Mean Sq F value Pr(>F)
present.type 1 603.1 603.1 0.7988 0.3890145
group:present.type 1 22775.8 22775.8 30.1661 0.0001379 ***
Residuals 12 9060.1 755.0
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 840 148493 177
-------------------------------
Now, since the interaction is significant I want to know if there is a
significant difference between C2 and D2 (present.type var) (i) in
group D2C2 and then also (ii) in group C2D2 (won't be shown due to
redundancy).
Building on Ista Zahn's suggestion (http://groups.google.com/group/r-
help-archive/msg/bde024e916832218) I will:
(1) run the model separately for each level of group.
dat.g1=subset(dat.net, group=="D2C2")
m.total.g1=aov(t.total~present.type+Error(subj/present.type),
data=dat.g1)
summary(m.total.g1)
Error: subj
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 6 22788 3798
Error: subj:present.type
Df Sum Sq Mean Sq F value Pr(>F)
present.type 1 15395.8 15395.8 18.694 0.004963 **
Residuals 6 4941.4 823.6
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Error: Within
Df Sum Sq Mean Sq F value Pr(>F)
Residuals 420 80658 192
-------------------------------
(2) use the error term from the overall model (dat.net):
divide MS_effect-dat.g1 by MS_error-dat.net, using df_error-dat.net
MSE_dat.g1 for present.type = 15395.8 with df = 1
MSError_dat.net for present.type = 755.0 with df = 12 (from Error:
subj:present.type)
so we have F(1,12) = 15395.8 / 755.0
which means F = 20.4 and to calculate p-sig:
1-pf(F,1,12, lower.tail=T) ->> p=0.0007070375
Well, is this the way to do it?
Is it correct?
Thanks in advance!
And Or, is this indeed what you are looking for?
Thanks anyway for raising an issue trouble me as well!
best to all,
dror
DrorD
http://groups.google.com/group/r-help-archive/msg/bde024e916832218
(hope this time it will work)
dror
-----------------------
or duek
זה בדיוק מה שהתכוונתי.
כמובן שאני כמעט בטוח (וייתכן שכאן אני טועה) שיש פיתרון פשוט יותר לנושא
- מישהו בטח כתב ספריה שמטפלת בניתוחי המשך כמו שכתבו לניתוחי פוסט-הוק
וכמו שיש ב SPSS.
לגבי TykeyHSD,
במקרה זה לא מתאים להשתמש במבחן הזה כיוון שהוא בוחן מובהקות של רמות של
משתנה בודד. כאן אני רוצה לבחון אפקטים פשוטים.
אני חושב שניתן בהחלט לבנות טבלת קונטרסטים שתטפל בעניין ואז להריץ אותה
על מבחן הF
שעשיתי, אני פשוט לא בטוח כיצד לעשות משהו כזה.
נראה לי מאוד מוזר שבכדי לבצע השוואות מסוג זה בתוכנה כל כך עשירה כמו R
אנחנו צריכים לבצע את החישוב ידנית (כמו שהצגת כאן דרור). אבל יכול להיות
שזו הדרך היחידה כרגע.
On Feb 26, 10:30 am, DrorD <dror.te...@gmail.com> wrote:
DrorD
מתוכננים"
Planned comparisons
(see, for example: http://www.uwsp.edu/psych/cw/statmanual/plancomp.html#Planned
Comparisons )
ולא על ניתוחי פוסט-הוק.
דרור
------------------------
DrorD
הנה ניסיון נוסף לקישור לדוגמא עבור "השוואות מתוכננות"
http://www.uwsp.edu/psych/cw/statmanual/plancomp.html#Planned
Comparisons
דרור
--------------------
or duek
לכן כתבתי קודם על האופציה להשתמש במטריצת קונטרסטים לצורך העניין, רק
שכאן אני צריך עזרה, כיצד לבנות מטריצה כזו ב R
ולקבל את מה שאני מחפש.
Jonathan Rosenblatt
glht
בחבילת
multcomp
בפרט שים לב למתג
linfct
שמאפשר בצורה נוחה לבנות את הקונראסטים המוכרים
Tukey, Dunnet
וגם להגדיר קונטראסט משלך על ידי מטריצה.
http://hosho.ees.hokudai.ac.jp/~kubo/Rdoc/library/multcomp/html/glht.html
יונתן
or duek
נראה לי שזה אכן יכול לעזור ואני אנסה את זה קצת.
מה שמעט מוזר לי הוא שחשבתי שהשם "אפקט פשוט" הוא מוכר יחסית, נקרא
simple main effect,
לכן בהתחלה חשבתי ששימוש במינוח הזה יבהיר את מטרתי (ששונה ממבחן tukey)
בכל מקרה, אני אעדכן לאחר ניסיון עם הפקודה שהצעת.
תודה רבה על העזרה,
אור.
On Feb 26, 6:21 pm, Jonathan Rosenblatt <john....@gmail.com> wrote:
> אני חושב ש"ניתוחים מתוכננים" אינו שם נפוץ כל כך.
> מהתכתובת עד כה אני מסיק שמדובר בקונטראסטים לינאריים ואחת הדרכים הנוחות לעשות
> זאת היא על ידי הפקודה
> glht
> בחבילת
> multcomp
> בפרט שים לב למתג
> linfct
> שמאפשר בצורה נוחה לבנות את הקונראסטים המוכרים
> Tukey, Dunnet
> וגם להגדיר קונטראסט משלך על ידי מטריצה.
>
> http://hosho.ees.hokudai.ac.jp/~kubo/Rdoc/library/multcomp/html/glht....
> ...
>
> read more »
DrorD
עדיין נדמה לי שאנחנו מדברים על דברים מעט שונים.
(אולי תרמתי לבלבול כשהשתמשתי בביטוי השוואות מתוכננות)
אני אוותר (לפחות כרגע) על דיון טרמינולוגי.
מבחינה טכנית, כך אני מבין, קונטרסט הוא השוואה זוגית, ובאמת
glht
למיטב הבנתי, מייצרת השוואות זוגיות, עם בחינת מובהקות לפי התפלגות
t.
בעוד שאפקט עיקרי פשוט הוא אפקט עיקרי של משתנה אחד עבור ערך אחד של
המשתנה השני, ובאנגלית:
"A simple main effect is a main effect of one factor at a given level
of a second factor"
(from: http://tinyurl.com/yanx67u)
וכידוע, אפקט עיקרי יכול להיות בעל מספר רמות גדול משתיים.
לדוגמא, אם משתנה א הוא מין (גברים, נשים) ומשתנה ב הוא שלוש תרופות
שונות
בדיקת אפקט עיקרי פשוט תהיה
הערכת מובהקות של ההבדל בין שלושת התרופות עבור גברים בלבד
בהשוואה אחת, כמו ניתוח שונות חד-גורמי.
למיטב הבנתי התשובה של
Ista Zahn : http://tinyurl.com/ygkfrty
עונה על כך
כמו כן, הסבר כללי לחישוב "אפקטים עיקריים פשוטים" אפשר למצוא כאן
How to calculate simple main effects using generic ANOVA software @
http://tinyurl.com/ygo9tge
עם הערה שהניסיון להיות כללי (ג'נרי), לדעתי, פוגע בבהירות.
:ויתכן שהקושי להסביר את הבעיה יסודו בכך ש
"Statisticians do not universally approve of the use of tests of
simple main effects. In particular, there are concerns over the
conceptual error rate. Tests of simple main effects are one tool that
can be useful in interpreting interactions. Caution should be
exercised in interpreting the results of analyses of simple main
effects. In general, the results of tests of simple main effects
should be considered suggestive and not definitive." (from
http://tinyurl.com/6on9kx)
בברכה,
דרור
-------------------------
On Feb 26, 6:21 pm, Jonathan Rosenblatt <john....@gmail.com> wrote:
> אני חושב ש"ניתוחים מתוכננים" אינו שם נפוץ כל כך.
> מהתכתובת עד כה אני מסיק שמדובר בקונטראסטים לינאריים ואחת הדרכים הנוחות לעשות
> זאת היא על ידי הפקודה
> glht
> בחבילת
> multcomp
> בפרט שים לב למתג
> linfct
> שמאפשר בצורה נוחה לבנות את הקונראסטים המוכרים
> Tukey, Dunnet
> וגם להגדיר קונטראסט משלך על ידי מטריצה.
>
> http://hosho.ees.hokudai.ac.jp/~kubo/Rdoc/library/multcomp/html/glht....
> ...
>
> read more »
