Jaka jest hipoteza NULL dla interakcji w dwustronnej ANOVA?

20

Powiedzmy, że mamy dwa czynniki (A i B), każdy z dwoma poziomami (A1, A2 i B1, B2) i zmienną odpowiedzi (y).

Podczas wykonywania dwukierunkowej ANOVA typu:

y~A+B+A*B

Testujemy trzy hipotezy zerowe:

  1. Nie ma różnicy w średnich współczynnika A.
  2. Nie ma różnicy w średnich ze współczynnika B.
  3. Nie ma interakcji między czynnikami A i B.

Po zapisaniu pierwszych dwóch hipotez można łatwo sformułować (dla 1 jest to )H0:μA1=μA2

Ale jak sformułować hipotezę 3?

edytuj : a jak sformułować to w przypadku więcej niż dwóch poziomów?

Dzięki.

Tal Galili
źródło
3
Nie mam reputacji pozwalającej na edycję, ale myślę, że chcesz (lub jeśli chcesz podwójnego indeksu dolnego) [oops, ma automatycznie tex-ified, że: lub ] μ A 1H0=μA1=μA2μA1H_0 = \mu_{A1}=\mu_{A2}\mu_{A_1}
Ben Bolker
1
Ups, nie widziałem, że używasz wielkich liter do oznaczenia nazwy czynnika i jego poziomów - napraw go (postępując zgodnie z notacją @Ben).
chl

Odpowiedzi:

18

Myślę, że ważne jest wyraźne oddzielenie hipotezy i odpowiadającego jej testu. W poniższych punktach zakładam zrównoważony projekt CRF- między badanymi (równe rozmiary komórek, notacja Kirka: projekt całkowicie losowy).pq

i j A k B 1 i n 1 j p 1 k q Y i j k = μ j k + ϵ i ( j k ) ,Yijk to obserwacja w traktowaniu czynnika i traktowaniu czynnika pomocą , i . Model toijAkB1in1jp1kqYijk=μjk+ϵi(jk),ϵi(jk)N(0,σϵ2)

Projekt:  B1BkBq A1μ11μ1kμ1qμ1.Ajμj1μjkμjqμj.Apμp1μpkμpqμp. μ.1μ.kμ.qμ

j k ϵ i ( j k ) i ( ) j k iμjk to oczekiwana wartość w komórce , to błąd związany z pomiarem osoby w tej komórce. Notacja wskazuje, że indeksy są stałe dla każdej osoby określonej dlatego, że człowiek jest obserwowany tylko w jednym stanie. Kilka definicji efektów:jkϵi(jk)i()jki

jAμj.=1qk=1qμjk (średnia oczekiwana wartość dla leczenia czynnika )jA

kBμ.k=1pjot=1pμjotk (średnia oczekiwana wartość dla leczenia czynnika )kb

j A p j = 1 α j = 0αjot=μjot.-μ (efekt leczenia czynnika , )jotZAjot=1pαjot=0

k B q k = 1 β k = 0βk=μ.k-μ (efekt leczenia czynnika , )kbk=1qβk=0

j A k B p j = 1 ( α β ) j k = 0(αβ)jotk=μjotk-(μ+αjot+βk)=μjotk-μjot.-μ.k+μ
(efekt interakcji dla kombinacji leczenia czynnika z leczeniem czynnika ,jotZAkbjot=1p(αβ)jotk=0k=1q(αβ)jotk=0)

j A k B p j = 1 α ( k ) j = 0αjot(k)=μjotk-μ.k
(warunkowy główny efekt leczenia czynnika w ramach ustalonego leczenia czynnika ,jotZAkbjot=1pαjot(k)=01qk=1qαjot(k)=αjotjot,k)

k B j A q k = 1 β ( j ) k = 0βk(jot)=μjotk-μjot.
(warunkowy główny efekt leczenia czynnika w ramach ustalonego leczenia czynnika ,kbjotZAk=1qβk(jot)=01pjot=1pβk(jot)=βkjot,k)

With these definitions, the model can also be written as: Yjajotk=μ+αjot+βk+(αβ)jotk+ϵja(jotk)

This allows us to express the null hypothesis of no interaction in several equivalent ways:

  1. H.0ja:jotk(αβ)jotk2)=0
    (all individual interaction terms are 0, such that μjotk=μ+αjot+βkjot,k. This means that treatment effects of both factors - as defined above - are additive everywhere.)

  2. H.0ja:αjot(k)-αjot(k)=0jotk,k(kk)
    (all conditional main effects for any treatment jot of factor ZA are the same, and therefore equal αjot. This is essentially Dason's answer.)

  3. H.0ja:βk(jot)-βk(jot)=0jot,jotk(jotjot)
    (all conditional main effects for any treatment k of factor b are the same, and therefore equal βk.)

  4. μ j k A x B qH.0ja : Na schemacie, który pokazuje oczekiwane wartości z poziomami czynnika na osi i poziomami czynnika narysowanymi jako osobne linie, różne linie są równoległe.μjotkZAxbq

karakal
źródło
1
Naprawdę imponująca odpowiedź Caracal - dziękuję.
Tal Galili,
9

Interakcja mówi nam, że poziomy czynnika A mają różne skutki w zależności od zastosowanego poziomu czynnika B. Możemy to przetestować za pomocą kontrastu liniowego. Niech C = (A1B1 - A1B2) - (A2B1 - A2B2), gdzie A1B1 oznacza średnią grupy, która otrzymała A1 i B1 i tak dalej. Więc patrzymy na A1B1 - A1B2, który jest efektem, jaki ma czynnik B, gdy stosujemy A1. Jeśli nie ma interakcji, powinno to być takie samo, jak efekt B, gdy zastosujemy A2: A2B1 - A2B2. Jeśli są takie same, ich różnica powinna wynosić 0, abyśmy mogli skorzystać z testów:

H.0:do=0vs.H.ZA:do0.

Dason
źródło
1
Dzięki Dason, to pomogło. Po przeczytaniu twojej odpowiedzi nagle stało się dla mnie jasne, że nie jestem do końca pewien, jak to się uogólnia, gdy mamy więcej czynników. Czy mógłbyś doradzić? Dzięki jeszcze raz. Tal
Tal Galili,
2
Możesz przetestować wiele kontrastów jednocześnie. Na przykład, jeśli A miał trzy poziomy, a B miał 2, moglibyśmy użyć dwóch kontrastów: C1 = (A1B1 - A2B1) - (A2B1 - A2B2) i C2 = (A2B1 - A2B2) - (A3B1 - A3B2) i użyć 2 test stopnia swobody, aby jednocześnie sprawdzić, czy C1 = C2 = 0. Ciekawe jest również, że C2 mógł być równie (A1B1 - A1B2) - (A3B1 - A3B2) i wymyślilibyśmy to samo.
Dason
Cześć @Dason: wydaje się, że masz wiele kont. Czy możesz wypełnić formularz na stats.stackexchange.com/contact i poprosić o ich połączenie? Ułatwi to korzystanie z tej witryny (i zapewni połączoną reputację obu kont).
whuber