Anova Dua atau Satu Arah?

Question

Saya memiliki pertanyaan tentang analisis statistik yang saya lakukan. Misalkan saya memiliki variabel kontinu yang saya ukur (Berat Tanaman) dan saya memiliki 2 faktor dengan 2 taraf (cukup penyiraman / sedikit penyiraman dan pupuk / tanpa pupuk). Salah satu cara untuk melihatnya adalah dengan model seperti ini: Berat Tanaman ~ penyiraman * pupuk

Saya dapat melakukan Anova Dua Arah dan tergantung pada hasilnya (misalnya interaksi yang signifikan), saya dapat melakukan tes post hoc untuk membandingkan semua kombinasi.

Sekarang saya sudah berulang kali melihat orang yang hanya menggabungkan dua faktor menjadi satu variabel pengelompokan dengan 4 level seperti ini: Perlakuan A (air / pupuk), Perlakuan B (sedikit air / pupuk), Perlakuan C (air / tanpa pupuk) ... ..

Ini akan menjadi Anova satu arah (Berat Tanaman ~ Perawatan).

Sekarang jika saya ingin mengetahui sesuatu tentang pengaruh keseluruhan dari efek utama skema penyiraman dan pemupukan pada Berat Tanaman, saya mungkin harus menggunakan Anova Dua Arah, tetapi adakah, dari sudut pandang statistik, ada yang salah dengan cara kedua? Apakah terserah saya untuk membuat keputusan itu, tergantung pada apa yang saya minati? Dalam kasus saya, saya ingin melakukan tes post hoc yang memungkinkan adanya heteroskedastisitas (untuk kumpulan data, fungsi bobot tidak cukup untuk memperbaikinya) tetapi hanya dapat menangani 1 faktor dan bukan dengan istilah interaksi. Apakah benar melakukan Anova Satu Arah dan membandingkan setiap Kelompok Perawatan satu sama lain (yang akan memberi saya apa yang sebenarnya ingin saya ketahui)?

Answer 1

Kedua metode tersebut OK. Jika Anda bertanya-tanya apakah keempat varian kelompok itu sama, keuntungan dari pendekatan satu arah adalah bahwa, di R, Anda dapat menggunakan one-wayuji, yang tidak mengasumsikan varians yang sama untuk tingkat faktor. Kemudian, seperti yang Anda katakan, Anda dapat melakukan pengujian tambahan jika menolak hipotesis nol yang berarti semua level sama. Anda dapat merencanakan tiga tes Welch sebelumnya yang akan memberikan jawaban tentang tingkat irigasi, tingkat pupuk, dan interaksi. Karena perbandingan ini adalah bagian dari desain, Anda tidak perlu khawatir tentang penemuan palsu jika pengujian ini signifikan.

Keuntungan dari desain dua arah ini adalah perbandingan tingkat irigasi, tingkat pemupukan, dan uji interaksi akan muncul di tabel ANOVA asli. Jika ada interaksi yang signifikan, Anda perlu berhati-hati untuk mempertimbangkan apakah perbandingan irigasi dan pupuk secara langsung berarti. Sejauh yang saya tahu, tidak ada implementasi di R dari ANOVA dua arah yang memungkinkan varians yang tidak sama.