|
|
Seminar fรผr Statistik Markus Kalisch 22.10.2014 1
ANalysis Of VAriance (ANOVA) 2/2
|
| Seminar fรผr Statistik
๏ง ANOVA 1: Zwei Medikamente zur Blutdrucksenkung und Placebo (Faktor ๐). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich ๐)?
๐ ~ ๐ + ๐
๏ง ANOVA 2: Zwei Medikamente zur Blutdrucksenkung,
Placebo (Faktor ๐1) und Geschlecht (Faktor ๐2). Gibt es einen sign. Unterschied in der Wirkung (kontinuierlich ๐) (evtl. geschlechterspezifisch)?
๐ ~ ๐1 + ๐2 + ๐
22.10.2014
((Vorname Nachname)) 2
Wdh: ANOVA - Idee
1-weg ANOVA
2-weg ANOVA
|
|
Seminar fรผr Statistik Markus Kalisch 22.10.2014 3
Wdh: 1-weg ANOVA
Medikament Senkung Blutdruck [mmHg] -5051020
M1 M2 P
Streuung zwischen Gruppen:
โBetween-Sum-of-Squaresโ (๐๐๐ต)
RSS der Gruppenmittelwerte (rote Kreuze) um den totalen Mittelwert (blaue Linie)
๐๐๐ต = ๐ โ
๐=1 ๐
๐๐. โ ๐.. 2
Streuung innerhalb Gruppen:
โWithin-Sum-of-Squaresโ (๐๐๐) RSS der Einzelbeobachtungen
(schwarze Kreise) um die einzelnen Mittelwerte (rote Kreuze)
๐๐๐ =
๐=1 ๐
๐=1 ๐
๐๐๐ โ ๐๐. 2 ๐: ๐ด๐๐ง๐โ๐ ๐บ๐๐ข๐๐๐๐ 3
๐: ๐ด๐๐ง๐โ๐ ๐ต๐๐๐. ๐๐๐ ๐บ๐๐ข๐๐๐ 10 Ann: ๐ in jeder Gruppe gleich
๐3.
๐2.
๐1.
๐..
Teststatistik โ ๐๐๐ต
๐๐๐
|
| Seminar fรผr Statistik
๏ง ๐๐๐ = ๐ + ๐ผ๐ + ๐๐๐, ๐๐๐ ~ ๐ 0, ๐2 ๐๐๐
Technische Nebenbedingung: ๐=1๐ ๐ผ๐ = 0
๏ง ๐ป0: ๐ผ1 = ๐ผ2 = โฏ = ๐ผ๐ = 0
๏ง Teststatistik: ๐ = ๐๐๐ต/(๐โ1)
๐๐๐/(๐โ ๐โ1 ) = ๐๐๐ต
๐๐๐
๏ง Theorie: Falls ๐ป0 stimmt
๐ ~ ๐น๐โ1,๐โ ๐โ1
๏ง Damit kann ein Hypothesentest mit den รผblichen 6 Schritten durchgefรผhrt werden
22.10.2014
Markus Kalisch 4
Wdh: 1-weg ANOVA - Modell
โMean Squaresโ
โDegrees of freedom (Df)โ
โAnalyse der Varianzenโ
|
|
Seminar fรผr Statistik Markus Kalisch 22.10.2014 5
Wdh: 1-weg ANOVA-Tabelle
Medikament Senkung Blutdruck [mmHg] -5051020
M1 M2 P
๐ = 3, ๐ = 10
๐ โ 1 = 2 g*(p-1)=27
๐๐๐ต = 872.3 ๐๐๐ = 642.1
๐๐๐ต = 872.3
2 = 436.1 ๐๐๐ = 642.1
27 = 23.8
๐น = 436.1
23.8 = 18.34
|
| Seminar fรผr Statistik
๏ง Die Blutdrucksenkung Y soll mit dem Faktor X (Stufen M1, M2 und P) erklรคrt werden. Dazu verwenden wir eine 1-weg ANOVA. Die Annahmen der 1-weg ANOVA
beinhalten, dass Y normalverteilt ist.
Richtig oder falsch ?
22.10.2014
Markus Kalisch 6
Normalverteilungsannahme
|
| Seminar fรผr Statistik
2-weg ANOVA: Modell ohne Interaktion
๏ง Oft gibt es mehr als einen Faktor.
๏ง Bsp:
- Medikament (Faktor ๐: ๐1- Medikament, ๐2- Placebo) - Geschlecht (Faktor ๐บ: ๐บ1- Mann, ๐บ2- Frau)
๏ง Das einfachste Modell ist dann (ohne Interaktion):
7
๐
๐๐๐= ๐ + ๐ผ
๐+ ๐ฝ
๐+ ๐
๐๐๐Messung von Person ๐ mit Medikament ๐ und Geschlecht ๐
Effekt von Medikament ๐
Fehlerterm Effekt von Geschlecht ๐
|
| Seminar fรผr Statistik
2-weg ANOVA: Modell mit Interaktion
๐๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐ฟ๐๐ + ๐๐๐๐, ๐๐๐๐ ~ ๐ 0, ๐2 ๐๐๐
3 Nullhypothesen:
๏ง ๐ป0,1: ๐ผ๐ = 0 ๐รผ๐ ๐๐๐๐ ๐ โ Kein Medikamenten-Effekt
๏ง ๐ป0,2: ๐ฝ๐ = 0 ๐รผ๐ ๐๐๐๐ ๐ โ Kein Geschlechter-Effekt
๏ง ๐ป0,3: ๐ฟ๐๐ = 0 ๐รผ๐ ๐๐๐๐ ๐, ๐ โ Kein Geschlechtsspezifischer Effekt von Medikament (keine Interaktion)
8
Effekt von Medikament
Effekt von
Geschlecht Evtl. Interaktion:
Geschlechtsspezifischer Effekt von Medikament
|
| Seminar fรผr Statistik
Modell-Visualisierung: Ohne Interaktion
9
๐1 ๐2
๐ธ[๐]
Effekt von ๐บ bei ๐1 Effekt von ๐ bei G1
๐๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐๐๐๐ Linien parallel
|
| Seminar fรผr Statistik
Modell-Visualisierung: Mit Interaktion
10
๐1 ๐2
Effekt von ๐บ bei ๐1
Effekt von ๐ bei ๐บ1
๐ธ[๐] ๐
๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐ฟ๐๐ + ๐๐๐๐ Linien nicht parallel
|
| Seminar fรผr Statistik
Interaktionsplot in R
๏ง Funktion โinteraction.plotโ
11
|
| Seminar fรผr Statistik
g
y -5051015
Mm Mw Pm Pw
2-weg ANOVA: Test 1 / 2
12
๐๐๐ = ๐ โ ๐ โ
๐=1 ๐
๐๐.. โ ๐โฆ 2
๐๐๐บ = ๐ โ ๐ โ
๐=1 ๐
๐.๐. โ ๐โฆ 2
๐๐๐๐บ = ๐ โ
๐=1 ๐
๐=1 ๐
๐๐๐. โ ๐๐.. โ ๐.๐. + ๐โฆ 2
๐๐๐ ๐๐ =
๐=1 ๐
๐=1 ๐
๐=1 ๐
๐๐๐๐ โ ๐๐๐. 2
๐: Gruppengrรถsse (10) ๐: Anz. Geschlechter (2) ๐:Anz. Medikamente (2)
Teststatistiken: ๐ป0,1: โ ๐๐๐
๐๐๐ ๐๐ ; ๐ป0,2: โ ๐๐๐บ
๐๐๐ ๐๐ ; ๐ป0,3: โ ๐๐๐๐บ
๐๐๐ ๐๐
Keine WW: ๐๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐๐๐๐ WW: ๐๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐ฟ๐๐ + ๐๐๐๐
|
| Seminar fรผr Statistik
2-weg ANOVA: Test 2 / 2
๏ง Sum of Squares: ๐๐๐, ๐๐๐บ, ๐๐๐๐บ, ๐๐๐ ๐๐
๏ง Degrees of Freedom
๐ ๐๐ด: ๐ โ 1; ๐ ๐๐ฎ: ๐ โ 1; ๐ ๐๐ด๐ฎ: ๐ โ 1 โ ๐ โ 1 ; ๐ ๐๐น๐๐: ๐ โ ๐ โ (๐ โ 1)
๏ง Mean Squares:
๐๐๐ = ๐๐๐
๐๐๐ ; ๐๐๐บ = ๐๐๐บ
๐๐๐บ ; ๐๐๐๐บ = ๐๐๐๐บ
๐๐๐๐บ ; ๐๐๐ ๐๐ = ๐๐๐ ๐๐ ๐๐๐ ๐๐
๏ง Teststatistik und Verteilung unter ๐ป0,1, ๐ป0,2 und ๐ป0,3: Falls ๐ป0,1 stimmt: ๐1 = ๐๐๐
๐๐๐ ๐๐ ~ ๐น๐๐๐;๐๐๐ ๐๐ Falls ๐ป0,2 stimmt: ๐2 = ๐๐๐บ
๐๐๐ ๐๐ ~ ๐น๐๐๐บ;๐๐๐ ๐๐ Falls ๐ป0,3 stimmt: ๐3 = ๐๐๐๐บ
๐๐๐ ๐๐ ~ ๐น๐๐๐๐บ;๐๐๐ ๐๐
13
|
| Seminar fรผr Statistik
2-weg ANOVA: Tabelle
14
Medikament hat Effekt
Geschlecht hat Effekt
Effekt vom Medikament hรคngt vom Geschlecht ab
|
| Seminar fรผr Statistik
Effektstรคrke: ANOVA & TukeyHSD
15
|
| Seminar fรผr Statistik
Effektstรคrke: ANOVA & TukeyHSD
16
|
| Seminar fรผr Statistik
Effektstรคrke: ANOVA & TukeyHSD
17
|
| Seminar fรผr Statistik
Spezialfรคlle: Richtige Zuordnung ?
18
ANOVA output:
1
2
3 A
B
C
|
| Seminar fรผr Statistik
Interpretation:
ANOVA & TukeyHSD vs. Lineare Regression
๏ง Methoden technisch gesehen gleichwertig
ABER: In der Praxis vรถllig unterschiedliche Interpretation
๏ง ANOVA & TukeyHSD: โTotale Effekteโ
๏ง Lineare Regression: Effekte bzgl. Referenzlevel
19
X
Referenzlevel:
Medikamentengruppe, Frauen
|
| Seminar fรผr Statistik
Interpretation: Lineare Regression
20
X
Wie gross ist ๐ธ ๐ in Referenzgruppe ? (Keine Entsprechung in TukeyHSD)
|
| Seminar fรผr Statistik
Interpretation: Lineare Regression
21
X
Wie รคndert sich ๐ธ ๐ , wenn man in der Referenzgruppe โFrauenโ
von โMedikamentโ zu โPlaceboโ wechselt?
(Entspricht P:F-M:F in TukeyHSD; VI & p-Wert wegen Korrektur fรผr multiples Testen in
TukeyHSD anders)
|
| Seminar fรผr Statistik
Interpretation: Lineare Regression
22
X
Wie รคndert sich ๐ธ ๐ , wenn man in der Referenzgruppe โMedikamentโ
von โFrauenโ zu โMรคnnerโ wechselt?
(Entspricht M:M-M:F in TukeyHSD; VI & p-Wert wegen Korrektur fรผr multiples Testen in
TukeyHSD anders)
|
| Seminar fรผr Statistik
Interpretation: Lineare Regression
23
X
Um wieviel ist der Medikamenten-Effekt bei Mรคnnern anders als bei Frauen?
(Entspricht (P:M-M:M โ P:F-M:F);
kein entsprechendes VI oder p-Wert in TukeyHSD)
|
| Seminar fรผr Statistik
Mehr als zwei Faktorstufen
(Bsp: Empfinden nach Schmerzmittel)
24
|
| Seminar fรผr Statistik
๐๐๐๐ = ๐ + ๐ผ๐ + ๐ฝ๐ + ๐ฟ๐๐ + ๐๐๐๐, ๐๐๐๐ ~ ๐ 0, ๐2 ๐๐๐
1. Daten in jeder Gruppe normalverteilt 2. Gleiche Varianz in Gruppen
3. Unabhรคngige Fehler ๐๐๐
In R: Funktion โplotโ wie bei Linearer Regression
Vorteil: โBalanciertes Experimentโ (gleiche Anzahl pro Gruppe):
ANOVA ist robuster gegen Abweichungen obiger Annahmen
22.10.2014
Markus Kalisch 25
Residuenanalyse bei ANOVA
|
| Seminar fรผr Statistik
๏ง Gepaarter t-Test:
Pro Person Medikament & Placebo
Reihenfolge Medi / Placebo pro Person zufรคllig
๏ง Randomized Block Design:
Pro Person mehrere Medikamente & Placebo Reihenfolge Medi / Placebo pro Person zufรคllig
๏ง Auswertung: 2-weg ANOVA Y ~ Medikament + Person
๏ง Blockfaktor (hier โPersonโ): Nicht von Interesse; nur um Streuung zu reduzieren
๏ง Konvention: Keine Interaktion mit Blockfaktor
22.10.2014
Markus Kalisch 26
Randomized Block Design:
Verallgemeinerung des gepaarten t-Test
|
| Seminar fรผr Statistik
๏ง 10 freiwillige Mรคnner zw. 20 und 30
๏ง Eine Behandlung pro Tag: Medikamentengabe;
anschliessend Anwendung von Mittel, das starken Juckreiz auslรถst (Juckbohne)
๏ง Zielgrรถsse: Dauer des Juckreizes (in Sekunden)
๏ง 5 Medikamente, 1 Placebo, einmal keine Behandlung
๏ง Jede Person bekam jede Behandlung einmal;
Reihenfolge zufรคllig
22.10.2014
Markus Kalisch 27
Bsp: Randomized Block Design
Medikament gegen Juckreiz
|
|
Seminar fรผr Statistik Markus Kalisch 22.10.2014 28
Bsp: Juckreiz
|
|
Seminar fรผr Statistik Markus Kalisch 22.10.2014 29
Bsp: Juckreiz
Es gibt sign. Unterschiede bzgl. Behandlungserfolg Einzig zulรคssige Aussage:
Papavarine ist sign.
wirksamer als Placebo.