Dwu- czy jednokierunkowa anova?
Mam pytanie dotyczące przeprowadzanej przeze mnie analizy statystycznej. Powiedzmy, że mam ciągłą zmienną, którą mierzę (waga rośliny) i mam 2 czynniki z 2 poziomami (wystarczające podlewanie / małe podlewanie i nawóz / brak nawozu). Jednym ze sposobów spojrzenia na to byłby następujący model: Masa rośliny ~ podlewanie * nawóz
Mógłbym przeprowadzić dwukierunkową anovę iw zależności od wyniku (np. Znaczącej interakcji) mógłbym przeprowadzić test post hoc, aby porównać wszystkie kombinacje.
Teraz wielokrotnie widziałem ludzi, którzy po prostu połączyli dwa czynniki w jedną zmienną grupującą z 4 poziomami, takimi jak ten: Obróbka A (woda / nawóz), Obróbka B (mała ilość wody / nawozu), Obróbka C (woda / bez nawozu) ... ..
Byłaby to jednokierunkowa Anova (waga rośliny ~ leczenie).
Teraz, gdybym chciał dowiedzieć się czegoś o ogólnym wpływie głównych efektów nawadniania i schematu nawożenia na masę rośliny, prawdopodobnie powinienem wybrać dwukierunkową anovę, ale czy ze statystycznego punktu widzenia jest coś nie tak z drugi sposób? Czy to do mnie należy podjęcie takiej decyzji, w zależności od tego, co mnie interesuje? W moim przypadku chciałbym zrobić test post hoc, który pozwala na heteroskedastyczność (dla zbioru danych funkcja wagi nie byłaby wystarczająca, aby ją skorygować), ale radzi sobie tylko z 1 czynnikiem, a nie z warunkami interakcji. Czy byłoby poprawne wykonanie jednokierunkowej Anova i porównanie każdej grupy terapeutycznej ze sobą (co dałoby mi dokładnie to, co chcę wiedzieć)?
Odpowiedzi
Obie metody są OK. Jeśli zastanawiasz się, czy wariancje czterech grup są równe, zaletą podejścia jednokierunkowego jest to, że w R można użyć one-waytestu, który nie zakłada równych wariancji dla poziomów czynnika. Następnie, jak mówisz, możesz przeprowadzić dodatkowe testy, jeśli odrzucisz hipotezę zerową, która oznacza, że wszystkie poziomy są równe. Można z wyprzedzeniem zaplanować trzy testy Welch t, które dostarczyłyby odpowiedzi na temat poziomów nawadniania, poziomów nawozu i interakcji. Ponieważ te porównania są częścią projektu, nie należy martwić się fałszywymi odkryciami, jeśli te testy są istotne.
Zaletą projektu dwukierunkowego jest to, że porównania poziomów nawadniania, poziomów nawozu i testu interakcji pojawią się w oryginalnej tabeli ANOVA. Jeśli zachodzi znacząca interakcja, należy uważać, aby rozważyć, czy proste porównania nawadniania i nawozów są sensowne. O ile wiem, w R nie ma implementacji dwukierunkowej ANOVA, która pozwala na nierówne wariancje.