ANOVA для повторных измерений - F-статистика и размер эффекта
Продвинутые статистические тесты
Введите данные ниже. Каждая строка соответствует одному участнику, а каждый столбец — отдельному условию или моменту времени. Значения можно разделять запятыми, пробелами или табуляцией.
ANOVA для повторных измерений - F-статистика и размер эффекта
Продвинутые статистические тесты
Каждая строка = один участник; каждый столбец = одно условие. Пример: в одной строке 8,9,7.
О калькуляторе ANOVA для повторных измерений
Дисперсионный анализ повторных измерений (ANOVA) — это статистический метод, применяемый, когда одни и те же участники измеряются в нескольких условиях или в разные моменты времени. В отличие от межгрупповой ANOVA, дизайн повторных измерений контролирует индивидуальные различия, рассматривая каждого участника как собственный контроль, что существенно повышает статистическую мощность.
Этот калькулятор выполняет однофакторный дисперсионный анализ повторных измерений. Дизайн включает один внутрисубъектный фактор (условие или время) с k уровнями, измеренный на n участниках. Общая дисперсия данных разделяется на три компонента: дисперсию, обусловленную различиями между условиями (интересующий фактор), дисперсию, обусловленную индивидуальными различиями между участниками, и остаточную дисперсию ошибки.
F-статистика рассчитывается как отношение среднеквадратичного значения между условиями (MSbetween) к среднеквадратичному значению ошибки (MSerror). Большое значение F относительно критического значения распределения F (при dfbetween = k−1 и dferror = (n−1)(k−1) степенях свободы) указывает на то, что как минимум среднее одного условия значительно отличается от остальных.
Размер эффекта измеряется с помощью eta squared (η²), которое равно SS_between, делённому на SS_total. Значение η² = 0,01 считается малым, 0,06 — средним, а 0,14 и выше — большим, согласно критериям Коэна. Часто также используют partial eta squared, так как он показывает долю дисперсии, объясняемую интересующим фактором.
Калькулятор предполагает сферичность — равенство дисперсий разностей между всеми парами условий. При нарушении этого допущения (по тесту Мокли) исследователи обычно применяют поправку Greenhouse-Geisser или Huynh-Feldt для корректировки степеней свободы. Для разведочного анализа и быстрой проверки некорректированные значения F и η², вычисляемые здесь, являются полезной отправной точкой.
Этот инструмент предназначен для учебных целей и предварительного анализа. Для результатов, пригодных к публикации, особенно при сложных дизайнах или подозрении на нарушение сферичности, используйте специализированное статистическое ПО, например SPSS, R (с пакетом ez) или Python (с pingouin).
Примеры ANOVA для повторных измерений
Эти примеры показывают, как интерпретировать результаты ANOVA для повторных измерений.
| Данные (строки=участники) | F-статистика | Интерпретация |
|---|---|---|
| 8,9,7 / 10,11,9 / 6,8,5 (3 subjects × 3 conditions) | F ≈ 37.4, η² ≈ 0.28 | Сильный эффект условия |
| 4,7,6,9 / 3,5,4,8 / 6,8,9,11 / 2,5,3,7 (4 × 4) | F ≈ 50.7, η² ≈ 0.53 | Большой размер эффекта |
| 3,5,4,7 / 2,4,6,5 / 5,7,3,9 (3 × 4, irregular pattern) | F ≈ 2.84, η² ≈ 0.50 | F незначим, η² умеренный |
Как пользоваться калькулятором
- Введите данные так, чтобы каждая строка соответствовала одному участнику, а каждый столбец — одному условию или моменту времени.
- Разделяйте значения в строке запятыми, пробелами или табуляцией; для каждого участника используйте новую строку.
- Нажмите «Рассчитать», чтобы выполнить однофакторный дисперсионный анализ повторных измерений.
- Проверьте таблицу ANOVA со значениями SS, df, MS и F-статистикой для каждого источника вариации.
- Проверьте eta squared (η²), чтобы оценить практическую значимость эффекта условия.
Часто задаваемые вопросы
Когда использовать ANOVA для повторных измерений вместо однофакторной ANOVA?
Используйте ANOVA для повторных измерений, когда одни и те же участники измеряются во всех условиях. Она мощнее межгрупповой ANOVA, потому что удаляет вариацию, связанную с индивидуальными различиями, из ошибки, облегчая обнаружение истинных эффектов условий при меньшем числе участников.
Что такое допущение сферичности?
Сферичность требует, чтобы дисперсии разностей между всеми парами условий были равны. Нарушение этого допущения увеличивает вероятность ошибки первого рода. Это проверяет тест Мокли. Если допущение нарушено, применяют поправку Greenhouse-Geisser или Huynh-Feldt к степеням свободы.
Что показывает eta squared (η²)?
Eta squared показывает долю общей дисперсии, объясняемую внутрисубъектным фактором. Значения 0,01, 0,06 и 0,14 традиционно считаются малыми, средними и большими эффектами соответственно. Это легко интерпретируемый размер эффекта для ANOVA.
Сколько участников нужно для ANOVA повторных измерений?
Для достаточной статистической мощности обычно рекомендуют не менее 5–10 участников, хотя правильный подход — формальный анализ мощности на основе ожидаемого размера эффекта и желаемой мощности (обычно 0,80). При малом ожидаемом эффекте требуется больше участников.
Что делать, если мои данные нарушают сферичность?
Примените поправку Greenhouse-Geisser (ε), чтобы скорректировать степени свободы и сделать F-тест более консервативным. Когда ε близко к 1, сферичность примерно соблюдается. При сильном нарушении сферичности (ε < 0,75) предпочтительна поправка Greenhouse-Geisser.
Можно ли использовать этот калькулятор для двухфакторного дизайна повторных измерений?
Нет, этот калькулятор поддерживает только однофакторную ANOVA повторных измерений (один внутрисубъектный фактор). Для двухфакторных дизайнов с двумя внутрисубъектными факторами или смешанных дизайнов с внутрисубъектными и межсубъектными факторами нужны специализированные программы, такие как R, SPSS или библиотека pingouin для Python.