2010-05-29 4 views
15

나는 균질 동질 (균질성, 균등성)의 기본 ANOVA 가정을 확인하기 위해 var.testbartlett.test을 사용 해왔다. 절차 일원 분산 분석을위한 매우 간단하다 : 2 × 2 테이블,양방향 분산 분석을위한 동음 연접 테스트

bartlett.test(x ~ g) # where x is numeric, and g is a factor 
var.test(x ~ g) 

그러나, 즉 양방향 ANOVA의, 나는 이런 식으로 뭔가를 할 : 물론

bartlett.test(x ~ c(g1, g2)) # or with list; see latter: 
var.test(x ~ list(g1, g2)) 

, ANOVA 가정은 할 수 그래픽 절차로 확인해야하지만, "산술 옵션"은 무엇입니까? 그것은 전혀 관리가 가능합니까? Two-Way ANOVA에서 동종 천자성을 어떻게 테스트합니까? 두 그룹이있는 경우에만 작동으로 bartlett.test

bartlett.test(split(x,list(g1,g2))) 

var.test를 들어

+0

car (고정 링크)를 찾을 수 있습니다. – sblom

+0

"made up"이란 무엇을 의미합니까? Homoscedascity (구형도, 분산의 균질성)는 각 하위 표본에서 분포의 정규성과 함께 기본 ANOVA 가정 중 하나입니다. 양방향은 독립 변수/요인 변수가 두 개인 ANOVA를 의미합니다. 나는 우연히이 주제를 두 번 게시 했으므로 첫 번째 게시물은 내가 생각하기에 닫혔다. 아마도 이것이 당신이/스팸의 일종으로 생각했다고 생각했기 때문일 것이다. =) – aL3xa

답변

17

가설 테스트는 모델 가정의 타당성을 검증하는 데 사용하는 잘못된 도구입니다. 표본 크기가 작은 경우 차이가 큰 경우에도 차이 차이를 감지 할 수있는 권한이 없습니다. 큰 표본 크기를 가지고 있다면 동등한 편차로부터 가장 사소한 편차까지도 발견 할 수 있으므로 거의 항상 null을 거부합니다. 시뮬레이션 연구에 따르면 모델 가정에 대한 사전 테스트는 신뢰할 수없는 유형 I 오류를 유발합니다.

모든 셀의 잔차를 보는 ​​것이 좋은 지표이거나 데이터가 정상일 경우 등가 편차가 있거나없는 AIC 또는 BIC를 선택 절차로 사용할 수 있습니다.

당신이 불평등 한 차이가 있다고 생각하면, 같은과 가정을 드롭 : 당신은 강력한 방법 (hetroscedastic 일치 공분산 행렬) 느슨한 많이하지 힘, 의심, 그래서 만약 것은 강력한 가야합니까

library(car) 
model.lm <- lm(formula=x ~ g1 + g2 + g1*g2,data=dat,na.action=na.omit) 
Anova(model.lm,type='II',white.adjust='hc3') 

.

+0

매혹적인 답변 이안, 감사합니다. –

+0

철저하고 간결하며 능숙하게 작성된 답변 !!! 나는 잔류 물을 어느쪽으로 든 점검 할 것이다.그러나이 대답은 통계에 대한 독단적 인 이해에서 신선한 공기의 숨결이었습니다! 이안, 정말 고마워! – aL3xa

5

은 적용되지 않습니다.

+0

나는 그것이 매우 간단하다고 믿을 수 없다. ! O_o – aL3xa

7

분산의 균질성이있는 Fligner–Killeen test을 사용하여 이분산성을 테스트 할 수 있습니다. 모델을 가정하면하면 bartlett.test을 사용할 수도 (그러나 이것은 차이의 평등보다 더에게 비 정상의 테스트입니다)

bartlett.test(gain~diet*supplement) 
     Bartlett test of homogeneity of variances 

data: gain by diet by supplement 
Bartlett's K-squared = 2.2513, df = 2, p-value = 0.3244 

또한

model<-aov(gain~diet*supplement) 

fligner.test(gain~diet*supplement) 

     Fligner-Killeen test of homogeneity of variances 

data: gain by diet by supplement 
Fligner-Killeen:med chi-squared = 2.0236, df = 2, p-value = 0.3636 

같은, 당신의 Levene test을 수행 할 수있다 일원 분산 분석과 양방향 분산 분석에서 동등한 그룹 분산. 하는 Levene의 시험의 구현은 패키지로 나는이 질문이 완전히 만들어 졌다고 제목에서 생각 s20xlawstat

levene.test(gain~diet*supplement) # car package version 

Levene's Test for Homogeneity of Variance 
     Df F value Pr(>F) 
group 11 1.1034 0.3866 
     36 
+4

두 가지 요소가있을 때 'bartlett.test'를 사용하는 것이 올바른 방법이라고 생각하지 않습니다. 첫 번째 변수 만 사용한다고 생각합니다. 예를 들어 'bartlett.test (total_bill ~ sex * time, data = tips)'및'bartlett.test (total_bill ~ sex, data = tips)'를 실행하면 동일한 p 값을 얻게되고 df = 모두 1입니다. 나는 당신이'bartlett.test (total_bill ~ interaction (시간, 성별), data = tips)'와 같은 것을 사용할 필요가 있다고 생각합니다. 이 경우 df = 3입니다. – wch