ฉันควรรวมอาร์กิวเมนต์เพื่อขอผลบวกของสี่เหลี่ยมจัตุรัส III ใน ezANOVA หรือไม่

ฉันพัฒนาแพ็กเกจ ez สำหรับ R เพื่อช่วยให้ผู้คนเปลี่ยนจากแพคเกจสถิติเช่น SPSS เป็น R นี่คือ (หวังว่า) ทำได้โดยการลดความซับซ้อนของ ANOVA และให้ผลลัพธ์คล้าย SPSS (รวมถึงขนาดเอฟเฟกต์และสมมติฐาน การทดสอบ) ในคุณสมบัติอื่น ๆ ezANOVA()ฟังก์ชั่นส่วนใหญ่ทำหน้าที่เป็นเสื้อคลุมไปcar::Anova()แต่รุ่นปัจจุบันของezANOVA()การดำเนินการเพียงพิมพ์-II ผลรวมของสี่เหลี่ยมในขณะที่car::Anova()สเปคใบอนุญาตทั้งประเภท II หรือ -III ผลรวมของสี่เหลี่ยม อย่างที่ฉันควรจะคาดหวังผู้ใช้หลายคนขอให้ฉันโต้แย้งezANOVA()ที่อนุญาตให้ผู้ใช้ร้องขอ Type-II หรือ Type-III ฉันลังเลที่จะทำเช่นนั้นและสรุปเหตุผลของฉันที่ด้านล่าง แต่ฉันจะขอขอบคุณที่ชุมชนให้ความเห็นเกี่ยวกับเหตุผลของฉันหรือเหตุผลอื่น ๆ ที่เกี่ยวกับเรื่องนี้

สาเหตุที่ไม่รวมอาร์กิวเมนต์ "SS_type" ในezANOVA():

1. ความแตกต่างระหว่างผลรวมสี่เหลี่ยมจัตุรัสประเภท I, II และ III จะปลูกพืชเฉพาะเมื่อข้อมูลไม่สมดุลเท่านั้นซึ่งในกรณีนี้ฉันจะบอกว่าประโยชน์เพิ่มเติมนั้นมาจากการแก้ไขความไม่สมดุลโดยการรวบรวมข้อมูลเพิ่มเติม
2. ความแตกต่างระหว่าง Type II และ III ใช้กับเอฟเฟกต์ลำดับต่ำที่ผ่านการรับรองโดยเอฟเฟกต์ที่สูงกว่าซึ่งในกรณีนี้ฉันพิจารณาถึงเอฟเฟกต์ลำดับล่างที่ไม่น่าสนใจทางวิทยาศาสตร์ (แต่ดูด้านล่างเพื่อหาข้อโต้แย้งที่อาจเกิดขึ้นได้)
3. สำหรับสถานการณ์ที่หายากเหล่านั้นเมื่อ (1) และ (2) ไม่ได้ใช้ (เมื่อการรวบรวมข้อมูลเพิ่มเติมเป็นไปไม่ได้และนักวิจัยมีความสนใจทางวิทยาศาสตร์ที่ถูกต้องในผลหลักที่ผ่านการรับรองซึ่งฉันไม่สามารถจินตนาการได้ในปัจจุบัน) ezANOVA()แหล่งที่มาหรือจ้างcar::Anova()ตัวเองเพื่อให้บรรลุประเภทการทดสอบ III ด้วยวิธีนี้ฉันเห็นความพยายามพิเศษ / ความเข้าใจที่จำเป็นในการได้รับการทดสอบประเภทที่ 3 ซึ่งเป็นวิธีที่ฉันสามารถมั่นใจได้ว่ามีเพียงผู้ที่รู้ว่าสิ่งที่พวกเขากำลังทำไปเส้นทางนั้น

ตอนนี้ผู้ร้องขอ Type-III ล่าสุดชี้ให้เห็นว่าการโต้แย้ง (2) นั้นถูกทำลายโดยการพิจารณาถึงสถานการณ์ที่มีผลต่อลำดับที่สูงกว่า "ไม่สำคัญ" แต่มีผลต่อลำดับที่สูงกว่าสามารถทำการคำนวณอคติของผลบวกของสี่เหลี่ยมจัตุรัส ในกรณีเช่นนี้เป็นไปไม่ได้ที่นักวิจัยจะมองไปที่เอฟเฟกต์ที่สูงกว่าและเห็นว่ามันเป็น "ไม่สำคัญ" หันไปพยายามตีความผลกระทบที่มีลำดับต่ำกว่าซึ่งไม่เป็นที่รู้จักกับนักวิจัย ปฏิกิริยาเริ่มต้นของฉันคือว่านี่ไม่ใช่ปัญหากับผลบวกของกำลังสอง แต่มีค่า p และประเพณีของการทดสอบสมมติฐานว่าง ฉันสงสัยว่าการวัดหลักฐานที่ชัดเจนยิ่งขึ้นเช่นอัตราส่วนความน่าจะเป็นอาจมีแนวโน้มที่จะให้ภาพที่คลุมเครือน้อยกว่าของแบบจำลองที่สนับสนุนสอดคล้องกับข้อมูล อย่างไรก็ตามฉันไม่ได้

เพียงเพื่อขยาย - ฉันเป็นผู้ร้องขอล่าสุดฉันเชื่อว่า

ในความคิดเห็นเฉพาะเกี่ยวกับคะแนนของ Mike:

1. เป็นความจริงที่ชัดเจนว่าความแตกต่าง I / II / III ใช้เฉพาะกับตัวทำนายที่สัมพันธ์กัน (ซึ่งการออกแบบที่ไม่สมดุลเป็นตัวอย่างที่พบบ่อยที่สุดอย่างแน่นอนใน factorial ANOVA) - แต่สิ่งนี้ดูเหมือนว่าฉันจะเป็นอาร์กิวเมนต์ที่ยกเลิกการวิเคราะห์สถานการณ์ที่ไม่สมดุล (และด้วยเหตุนี้การอภิปรายประเภท I / II / III) มันอาจไม่สมบูรณ์ แต่นั่นเป็นสิ่งที่เกิดขึ้น (และในหลาย ๆ บริบทค่าใช้จ่ายในการรวบรวมข้อมูลเพิ่มเติมมีมากกว่าปัญหาทางสถิติ

2. สิ่งนี้ยุติธรรมอย่างสมบูรณ์และแสดงถึงเนื้อเรื่องของข้อโต้แย้ง "II กับ III, Favourite II" ที่ฉันได้เจอ ข้อสรุปที่ดีที่สุดที่ฉันพบคือ Langsrud (2003) "ANOVA สำหรับข้อมูลที่ไม่สมดุล: ใช้ Type II แทนผลรวมของ Type III", สถิติและการคำนวณ 13: 163-167 (ฉันมี PDF ถ้าต้นฉบับหายาก ) เขาให้เหตุผล (รับกรณีสองปัจจัยเป็นตัวอย่างพื้นฐาน) ว่าหากมีการโต้ตอบก็จะมีการโต้ตอบดังนั้นการพิจารณาถึงผลกระทบหลักมักจะไม่มีความหมาย (เป็นจุดที่เห็นได้ชัด) - และหากไม่มีปฏิสัมพันธ์การวิเคราะห์ Type II ของ เอฟเฟ็กต์หลักมีประสิทธิภาพมากกว่า Type III (ไม่ต้องสงสัย) ดังนั้นคุณควรไปกับ Type II เสมอ ฉันเคยเห็นข้อโต้แย้งอื่น ๆ (เช่น Venables

3. และฉันเห็นด้วยกับเรื่องนี้: หากคุณมีปฏิสัมพันธ์ แต่มีคำถามบางอย่างเกี่ยวกับผลกระทบหลักเช่นกันคุณอาจเข้าสู่อาณาเขตแดนของตนเอง

เห็นได้ชัดว่ามีผู้ที่ต้องการ Type III เพราะ SPSS ทำหรืออ้างอิงอื่น ๆ ถึงผู้มีอำนาจสูงทางสถิติ ฉันไม่ได้ทั้งหมดในมุมมองนี้ถ้ามันลงไปเลือกคนจำนวนมากที่ติดอยู่กับ SPSS (ซึ่งฉันมีบางสิ่งที่ต่อต้านคือเวลาเงินและเงื่อนไขการหมดอายุใบอนุญาต) และ Type III SS หรือจำนวนมาก ผู้คนเปลี่ยนมาใช้ R และ Type III SS อย่างไรก็ตามการโต้แย้งนี้เห็นได้ชัดว่าเป็นง่อยหนึ่งทางสถิติ

อย่างไรก็ตามการโต้เถียงที่ฉันพบค่อนข้างมากในความโปรดปรานของ Type III คือทำโดยอิสระจาก Myers & Well (2003, "การออกแบบการวิจัยและการวิเคราะห์ทางสถิติ", หน้า 323, 626-629) และ Maxwell & Delaney (2004, " การออกแบบการทดลองและวิเคราะห์ข้อมูล: มุมมองการเปรียบเทียบแบบจำลอง ", pp. 324-328, 332-335) นั่นคือ:

• หากมีการโต้ตอบวิธีการทั้งหมดจะให้ผลลัพธ์เดียวกันสำหรับผลรวมของกำลังสองของสี่เหลี่ยมจัตุรัส
• Type II ถือว่าไม่มีการโต้ตอบกับการทดสอบเอฟเฟกต์หลัก ประเภทที่สามไม่ได้
• บางคน (เช่น Langsrud) ให้เหตุผลว่าถ้าการปฏิสัมพันธ์นั้นไม่สำคัญคุณจะได้รับการพิสูจน์ว่าคุณไม่มีเหตุผลและมองไปที่เอฟเฟกต์หลักที่ทรงพลังมากขึ้น Type II
• แต่ถ้าการทดสอบการโต้ตอบนั้นไม่ได้ผล แต่ก็ยังมีการโต้ตอบการโต้ตอบอาจออกมา "ไม่สำคัญ" แต่ยังคงนำไปสู่การละเมิดข้อสันนิษฐานของการทดสอบผลกระทบหลัก Type II ทำให้การทดสอบเหล่านั้นมีอิสระ .
• Myers & Well อ้างถึง Appelbaum / Cramer เป็นผู้เสนอหลักของวิธี Type II และดำเนินการต่อไป [p323]: "... มีการใช้เกณฑ์อนุรักษ์นิยมมากขึ้นสำหรับการมีปฏิสัมพันธ์ที่ไม่ชัดเจนของสิ่งมีชีวิตเช่นต้องการการโต้ตอบที่ไม่สำคัญ ในระดับ. 25 แต่มีความเข้าใจที่ไม่เพียงพอต่อผลที่เกิดขึ้นจากการใช้วิธีการนี้ตามกฎทั่วไปไม่ควรคำนวณผลรวมของประเภทที่สองของ sqaures เว้นแต่จะมีเหตุผลที่แข็งแกร่งมาก่อนที่จะถือว่าไม่มีผลกระทบจากการปฏิสัมพันธ์ ผลรวมของกำลังสอง " พวกเขาอ้างถึง [p629] โดยรวม Lee & Hornick 1981 เป็นการสาธิตว่าการโต้ตอบที่ไม่เข้าใกล้อย่างมีนัยสำคัญสามารถทำให้เกิดอคติในการทดสอบผลกระทบหลัก Maxwell & Delaney [p334] สนับสนุนวิธี Type II หากการตอบโต้ประชากรเป็นศูนย์สำหรับพลังงาน และวิธีการ Type III หากไม่ใช่ [สำหรับการตีความหมายของวิธีการที่ได้จากวิธีการนี้] พวกเขาก็สนับสนุนให้ใช้ Type III ในสถานการณ์จริง (เมื่อคุณทำการอนุมานเกี่ยวกับการมีปฏิสัมพันธ์จากข้อมูล) เนื่องจากปัญหาในการทำข้อผิดพลาด type 2 [underpowered] ในการทดสอบการโต้ตอบและโดยไม่ตั้งใจ สมมติฐานของวิธี Type II SS; จากนั้นพวกเขาก็ทำคะแนนเพิ่มเติมให้คล้ายกับ Myers & Well และจดบันทึกการถกเถียงที่ยาวนานเกี่ยวกับปัญหานี้! กำลังทำการอนุมานเกี่ยวกับการมีอยู่ของการโต้ตอบจากข้อมูล) เนื่องจากปัญหาของการทำข้อผิดพลาดประเภท 2 [underpowered] ในการทดสอบการทำงานร่วมกันและโดยไม่ตั้งใจจึงเป็นการละเมิดสมมติฐานของวิธีการ Type II SS; จากนั้นพวกเขาก็ทำคะแนนเพิ่มเติมให้คล้ายกับ Myers & Well และจดบันทึกการถกเถียงที่ยาวนานเกี่ยวกับปัญหานี้! กำลังทำการอนุมานเกี่ยวกับการมีอยู่ของการโต้ตอบจากข้อมูล) เนื่องจากปัญหาของการทำข้อผิดพลาดประเภท 2 [underpowered] ในการทดสอบการทำงานร่วมกันและโดยไม่ตั้งใจจึงเป็นการละเมิดสมมติฐานของวิธีการ Type II SS; จากนั้นพวกเขาก็ทำคะแนนเพิ่มเติมให้คล้ายกับ Myers & Well และจดบันทึกการถกเถียงที่ยาวนานเกี่ยวกับปัญหานี้!

ดังนั้นการตีความของฉัน (และฉันไม่มีความเชี่ยวชาญ!) ก็คือมีผู้มีอำนาจทางสถิติที่สูงขึ้นทั้งสองด้านของการโต้แย้ง; ข้อโต้แย้งทั่วไปที่หยิบยกมานั้นไม่ได้เกี่ยวกับสถานการณ์ปกติที่จะก่อให้เกิดปัญหา (สถานการณ์นั้นเป็นหนึ่งในการตีความผลกระทบหลักด้วยการปฏิสัมพันธ์ที่ไม่สำคัญ) และมีเหตุผลที่เป็นธรรมที่ต้องคำนึงถึงแนวทาง Type II ในสถานการณ์นั้น (และมันขึ้นอยู่กับอำนาจกับสิ่งที่มีมากกว่าเสรีนิยมที่มีศักยภาพ)

สำหรับฉันนั่นก็เพียงพอแล้วที่จะต้องการตัวเลือก Type III ใน ezANOVA เช่นเดียวกับ Type II เพราะ (สำหรับเงินของฉัน) มันเป็นส่วนต่อประสานที่ยอดเยี่ยมกับระบบ ANOVA ของ R R เป็นวิธีที่ง่ายต่อการใช้งานสำหรับผู้เริ่มต้นในมุมมองของฉันและแพคเกจ "ez" ที่มี ezANOVA และฟังก์ชั่นการวางแผนเอฟเฟกต์ที่น่ารัก บางส่วนของความคิดในความคืบหน้า (และสับที่น่ารังเกียจสำหรับ ezANOVA) ของฉันอยู่ที่http://www.psychol.cam.ac.uk/statistics/R/anova.html

จะสนใจฟังความคิดของทุกคน!

Caveat: คำตอบที่ไม่ใช่เชิงสถิติอย่างหมดจด ฉันชอบทำงานกับฟังก์ชั่นเดียว (หรืออย่างน้อยหนึ่งแพ็คเกจ) เมื่อทำการวิเคราะห์ประเภทเดียวกัน (เช่น ANOVA) ถึงตอนนี้ฉันใช้อย่างต่อเนื่องAnova()ตั้งแต่ฉันชอบไวยากรณ์ของมันสำหรับการระบุแบบจำลองด้วยการวัดซ้ำ - เปรียบเทียบกับaov()และเสียน้อย (SS type I) ด้วยการวัดที่ไม่ซ้ำกัน ezANOVA()ดีสำหรับประโยชน์เพิ่มเติมของขนาดเอฟเฟกต์ แต่สิ่งที่ฉันไม่ชอบเป็นพิเศษคือต้องจัดการกับ 3 ฟังก์ชั่นที่แตกต่างกันเพื่อทำการวิเคราะห์แบบเดียวกันโดยเฉพาะเพราะหนึ่งในนั้นใช้คุณสมบัติ X (แต่ไม่ใช่ Y) และอีกอันหนึ่ง Y (แต่ไม่ใช่ X)

สำหรับการวิเคราะห์ความแปรปรวนผมสามารถเลือกระหว่างoneway(), lm(), aov(), Anova(), ezANOVA()และคนอื่น ๆ อาจ เมื่อสอน R มันเป็นความเจ็บปวดที่จะอธิบายทางเลือกที่แตกต่างกันอย่างไรพวกเขาเกี่ยวข้องกันอย่างไร ( aov()เป็นเสื้อคลุมlm()) และฟังก์ชั่นทำอะไร:

• oneway()เพียงสำหรับการออกแบบปัจจัยเดียว var.equal=FALSEแต่มีตัวเลือก ไม่มีตัวเลือกดังกล่าวในaov()และอื่น ๆ แต่ฟังก์ชั่นเหล่านั้นสำหรับการออกแบบหลายปัจจัย
• ไวยากรณ์สำหรับการวัดซ้ำมีความซับซ้อนเล็กน้อยaov()ดีกว่าAnova()
• เอสเอสประเภทสะดวกฉันเท่านั้นในaov()ไม่ได้เข้าAnova()
• SS type II และ III สะดวกเท่านั้นAnova()ไม่ใช่ในaov()
• การวัดขนาดเอฟเฟกต์ที่สะดวกezANOVA()ไม่ได้อยู่ในที่อื่น

มันจะเรียบร้อยถ้าจะต้องสอนเพียงหนึ่งฟังก์ชั่นด้วยไวยากรณ์ที่สอดคล้องกันเพียงหนึ่งเดียว ถ้าไม่มี SS type III ที่สะดวกezANOVA()ฉันไม่สามารถใช้ฟังก์ชั่นนั้นได้เพราะฉันรู้ว่านักเรียนจะถูกขอให้ใช้พวกเขาในบางจุด ("แค่ตรวจสอบผลลัพธ์เหล่านี้ที่ John Doe ใช้กับ SPSS") ฉันรู้สึกว่ามันจะดีกว่าถ้ามีตัวเลือกในการเลือกตัวเองโดยไม่ต้องเรียนรู้ไวยากรณ์อื่นเพื่อระบุรุ่น ทัศนคติ "ฉันรู้ว่าสิ่งที่ดีที่สุดสำหรับคุณ" อาจมีข้อดี แต่ก็สามารถป้องกันได้

R-world ไม่ชอบ Type 3 SS มากนัก

หนึ่งในลำดับที่มักจะอ้างว่าเป็น"Exegeses on Linear รุ่น" โดยบิล Venables (2000)

ฉันหวังว่าฉันไม่ได้ทำผิดเขา แต่ฉันคิดว่าเหตุผลหลักของเขาคือ Type 3 SS ละเมิดหลักการความเป็นชายขอบของโมเดลเชิงเส้นดังนั้นจึงไม่สมเหตุสมผล

นี่เป็นการถกเถียงกันอย่างถ่องแท้เกี่ยวกับปัญหา type-II / III สำหรับฉัน ขอบคุณสำหรับความพยายามของทุกคนในการให้การอภิปราย ฉันมาถึงมุมมองของการส่งเสริมประเภท II อย่างต่อเนื่องกว่าประเภท III แต่มีความเข้าใจที่อ่อนแอในการโต้แย้ง - ฉันพึ่งคำแนะนำในหนังสือถดถอยของ John Fox (รถยนต์) ที่แนะนำการทดสอบประเภท III ไม่ค่อย ตีความได้ (ดีฉันคิดว่าเขาพูดว่า ... )

อย่างไรก็ตาม ezANOVA นั้นมีประโยชน์จริง ๆ สำหรับการอนุญาตให้ใช้ฟังก์ชัน R ซึ่งจะเป็นไปไม่ได้สำหรับนักศึกษาปริญญาตรีที่ฉันสอนด้านจิตวิทยา ฉันมีโมดูล R ออนไลน์หนึ่งแห่งที่มี ezANOVA เพื่อสาธิตการออกแบบ ANOVA แบบผสม (แม้ว่าดูเหมือนว่ารุ่นก่อน 3 อาจมีข้อผิดพลาดในเรื่องนี้ ... doh!)

ลองที่นี่:

http://www.wessa.net/rwasp_Mixed%20Model%20ANOVA.wasp

หลังจากโมดูลโหลด (~ 10 วินาที) ค้นหาปุ่มคำนวณ (ลงครึ่งหนึ่งของหน้า) และมันจะเรียกใช้ ezANOVA และตารางและแปลงที่เกี่ยวข้อง

เอียน