errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

Transcript

1 Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione sogg. tratt. popolazione varianza dovuta ai soggetti trattamento errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) Nel disegno con 1 fattore ripetuto con 2 o più livelli (ossia gli stessi soggetti ripetuti due o più volte), il modello dell analisi della varianza è diverso rispetto a quello a una via per campioni indipendenti. Nel modello a una via a misure ripetute, la varianza del punteggio osservato è data non solo dall effetto della variabile indipendente, ma anche dalle differenze individuali (fattore soggetto) e dall interazione soggetto trattamento. La varianza d errore è data dall interazione oltre che dall errore casuale.

2 L interazione sogg. tratt. determina se l effetto della var. indip. è costante, oppure no per tutti i soggetti. effetto costante peri soggetti nel tempo: soggetto 1 soggetto 2 soggetto 2 effetto variabile per i soggetti nel tempo: soggetto 1 soggetto 2 soggetto 2

3 Esempio: Ricerca di Blanchard e coll. (1978) I ricercatori volevano stabilire se una data tecnica di rilassamento fosse in grado di ridurre il livello di emicrania nelle persone. sono stati selezionati 9 soggetti affetti da emicrania. Per 2 settimane, prima del trattamento (baseline), sono stati misurati (in ore per settimana) le durate delle emicranie. Nelle 3 settimane successive è stata applicata la tecnica di rilassamento. Soggetti I sett. II sett. III sett. IV sett. V sett. medie , , , , , , , ,2 medie 22, ,333 5,778 6,778 media globale: 13,244

4 inserimento dati per ANOVA con 1 fattore within: bisogna creare tante colonne, una per ciascun livello o fase di trattamento.

5 scelta del tipo di analisi: analisi da scegliere quando sia devono fare ANOVE e misure ripetute o miste

6 definizione dei fattori within e scelta delle variabili: fatt. within fatt. between

7

8 Fattori entro soggetticc Mis ura: MEASURE_1 settimana Variabile dipendente sett_1 sett_2 sett_3 sett_4 sett_5 num. livelli fatt. within e colonne variabili associate Effetto settimana Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy a. Statistica esatta b. Disegno: Intercetta Disegno entro s oggetti: s ettimana Test multivariati b Gradi di libertà Eta quadrato Valore F Ipotes i df dell'errore Sig. parziale a a a a indici di impatto della variabile indipendente sulla variabile dipendente

9 Il test della sfericità Se si calcolano le varianze dei punteggi dei soggetti per ciascun livello del fattore e le covarianze dei punteggi tra i livelli, si ottiene una matrice di varianze e covarianze. Nel nostro caso, la matrice di varianze e covarianze è: I sett. II sett. III sett. IV sett. V sett. I sett ,75 9,25 7,833 7,333 II sett. 11,75 28,5 13,75 16,375 13,375 III sett. 9,25 13,75 11,5 8,583 8,208 IV sett. 7,833 16,375 8,583 11,694 10,819 V sett. 7,333 13,375 8,208 10,819 16,945 Il test della sfericità valuta la simmetria composta della matrice di varianzecovarianze. Per sfericità composta si intende che le varianze (in rosso nella matrice) e le covarianze (i valori fuori dalla diagonale) siano tra loro omogenee. Se esiste una notevole disparità tra varianze o covarianze, allora l analisi della varianza deve essere corretta.

10 Test di Mauchly H 0 : sfericità non violata Misura: MEASURE_1 Test di sfericità di Mauchly b Effetto entro s oggetti settimana Appros s imaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geis ser Huynh-Feldt inferiore Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente tras formata ortonormalizzata è proporzionale a una matrice identità. a. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella tabella dei tes t s ugli effetti entro soggetti. b. Disegno: Intercetta Disegno entro s oggetti: s ettimana Se il test di Mauchly non è significativo, allora si può tranquillamente eseguire l analisi di varianza. Se risulta, invece, significativo, occorre aggiustare i gradi di libertà della statistica F. Le procedure per aggiustare i gdl sono: 1. Procedura di Greenhouse e Geisser (più conservatore) 2. Procedura di Huyn e Feldt (meno conservatore) il Limite Inferiore fa riferimento alla massima deviazione dalla sfericità. Il test della sfericità è un test molto conservativo.,dato che riduce la probabilità della statistica F. Il rischio della violazione dell assunzione di sfericità potrebbe implicare, se l effetto della var. indip. è debole, un esito negativo (F risulta non significativo) dell analisi di varianza.

11 tabella dei valori F per il fattore within: Test degli effetti entro soggetti Misura: MEASURE_1 Sorgente settimana Errore(settimana) Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Somma dei quadrati Media dei Tipo III df quadrati F Sig valori da considerare in caso di violazione della sfericità (test di Mauchly significativo)

12 Analisi del trend o dei contrasti (Trend analysis) Tale analisi serve per stabilire come varia lungo i livelli della var. indip. l effetto. Tale analisi descrive la forma dell effetto per i vari livelli del fattore. Test dei contrasti entro soggetti Misura: MEASURE_1 Sorgente settimana Errore(settimana) settimana Lineare Quadratico Cubico Ordine 4 Lineare Quadratico Cubico Ordine 4 Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale coefficienti: lin. -2,-1,0,1,2 quadr. -2,1,2,1,-2 cub. -1,1,0,-1,1 quart. 1,-2,2,-2,1 le somme dei coeff. danno sempre 0

13 finestra di output (grafico):

14 attacchi di emicrania grafico corretto: trattamento disegno quasisperimentale (disegno AB) baseline 0 sett. 1 sett. 2 sett. 3 sett. 4 sett. 5 numero settimane tabella dei fattori between: Test degli effetti fra soggetti Misura: MEASURE_1 Variabile trasformata: Media Sorgente Intercetta Errore Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale

15 Disegni fattoriali I disegni fattoriali sono quei disegni in cui vengono manipolate o selezionate due o più var. indip. Il vantaggio dei disegni fattoriali consiste soprattutto: 1. possibilità di verificare contemporaneamente l effetto di più variabili e la loro interazione 2. economicità in termini di numero di soggetti per verificare le ipotesi tipi di disegni fattoriali: 1. disegno fattoriale tra i soggetti (disegno con fattori between) B 1 B 2 a d n = 12 A 1 b e c g f j A 2 h k i l

16 2. disegno fattoriale entro i soggetti (disegno con fattori within) n = 3 B 1 B 2 a a A 1 b b c a c a A 2 b b c c 3. disegno fattoriale misto (disegno con fattori between e within) B 1 B 2 n = 6 a a A 1 b b c d c d A 2 e e f f

17 Nei disegni fattoriali abbiamo: 1. Gli effetti principali. L effetto principale è l effetto medie di una variabile in tutti i valori di un altra variabile. 2. L interazione. Indica l esistenza di un interazione tra due variabili. Due variabili interagiscono se l effetto di una variabile dipende dal livello dell altra. In altri termini, se l interazione tra due variabili è significativa, allora l effetto di una variabile è modulato da quello dell altra.

18 Solo con i disegni fattoriali è possibile studiare l interazione tra le variabili, e solo con l analisi della varianza è possibile verificare se l interazione è significativa o no. L interazione, quando è significativa, riduce la generalizzabilità dell effetto principale.

19 Disegno fattoriale con 2 fattori between Ricerca di Eysenck (1974). Nella sua ricerca, Eysenck oltre all effetto dovuto al tipo di elaborazione del materiale verbale, voleva verificare anche l effetto dell età sulla capacità di memorizzazione. Perciò nel suo esperimento partecipavano 50 soggetti di età tra i 18 e i 30 anni (giovani) e 50 soggetti di età tra i 55 e i 65 anni (anziani) soggetti conta rima aggettivo immagine intenzionale Medie II fatt anziani anni Medie 7 6, , , giovani anni Medie 6,5 7,6 14,8 17,6 19,3 13,16 Medie I fatt. 6,75 7,25 12,9 15,5 15,65

20 inserimento dati: var. dip. (misura) secondo fattore: età dei soggetti (1=55-65 anni); 2= anni) primo fattore: metodo di elaborazione (1=conta; 2=rima;3=aggettivo; 4=immagine; 5=intenzionale)

21 tipo di analisi:

22 scelta della var. dip. e dei fattori between: grafico:

23 livelli dei fattori e numero di soggetti per livello: Fattori tra soggetti 1=conta;2=rima;3= aggettivo;4=immag ine;5=intenzionale 1=55-65 anni; 2=18-30 anni N tabella delle statistiche F degli effetti principali (metodo ed età) e dell interazione: Variabile dipendente: parole ricordate (0-27) Sorgente Modello corretto Intercetta metodo eta metodo * eta Errore Totale Totale corretto Test degli effetti fra soggetti Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale a a. R quadrato =.729 (R quadrato corretto =.702) effetti principali interazione sia gli effetti principali che l interazione sono significativi

24 grafico:

25 medie delle risposte corrette interpretazione dei dati (disegno fattoriale tra i soggetti): effetti e interazione F p metodo 47,19 <.001 età 29,94 <.001 tipo x età 5,93 < anziani giovani cont rima agg imm int tipo di metodo elaborazione Combinando i risultati dell analisi di varianza con la rappresentazione grafica delle medie per i diversi livelli del primo fattore in relazione ai diversi gruppi, possiamo dire che il metodo di elaborazione influisce sulla capacità di memoria, tuttavia anche l età influisce, dato che, soprattutto per l elaborazione più profonda sono i giovani, rispetto agli anziani, a trarne maggior beneficio.

26 Disegno misto (1 fattore between e 1 fattore within) Un ricercatore vuole verificare l efficacia di tre metodi per smettere di fumare: 1. Il primo metodo consiste in una graduale diminuzione del numero di sigarette fumate 2. Il secondo metodo consiste nell immediata diminuzione del numero di sigarette 3. Il terzo metodo consiste nel seguire una terapia antifumo Il ricercatore divide un campione di 15 soggetti in 3 gruppi, uno per ciascun metodo, e poi chiede loro di valutare su una scala da 0 a 10 il desiderio di fumare propria ora sia quando stanno a casa, sia quando sono a lavoro. Il disegno è un disegno misto, perche abbiamo il tipo di metodo che implica soggetti diversi per ciascun livello (fattore metodo fattore between) e il luogo in cui i soggetti devono dichiarare il loro desiderio di fumare (fattore luogo fattore within).

27 Dati della ricerca: Casa Lavoro Medie I fatt. Metodo ,7 Metodo ,3 Metodo ,6 Medie II fatt. 5,47 3,6

28 inserimento dati: primo livello within secondo livello within I livello fattore between II livello III livello per ogni livello del fattore within va creata un apposita colonna di dati. I livelli del fattore between sono ripartiti per righe. La colonna del fattore between indica le righe che appartengono ad un dato livello del fattore between.

29 scelta del tipo di analisi:

30 definizione dei livelli del fattore within: scelta delle variabili (var. dip., fattore within e fattore between): forma grafico:

31 output dell analisi: Fattori tra soggetti N metodo numero livelli del fattore within e numerosità soggetti per livello effetto dei fattori within e dell interazione sulla var. dip. Test multivariati b Effetto luogo luogo * metodo a. Statistica esatta b. Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy Traccia di Pillai Lambda di Wilks Traccia di Hotelling Radice di Roy Gradi di libertà Eta quadrato Valore F Ipotes i df dell'errore Sig. parziale a a a a a a a a Disegno: Intercetta+metodo Disegno entro s oggetti: luogo

32 Test di sfericità di Mauchly b Misura: MEASURE_1 Effetto entro s oggetti luogo Appros s imaz Epsilon a ione Greenhous Limite W di Mauchly chi-quadrato df Sig. e-geis ser Huynh-Feldt inferiore Verifica l'ipotesi nulla per la quale la matrice di covarianza dell'errore della variabile dipendente tras formata ortonormalizzata è proporzionale a una matrice identità. a. È possibile utilizzarlo per regolare i gradi di libertà per i test di significatività mediati. I test corretti vengono visualizzati nella tabella dei tes t s ugli effetti entro soggetti. b. Disegno: Intercetta+metodo Disegno entro s oggetti: luogo tabella degli F per il fattore within e per l interazione: Test degli effetti entro soggetti il test di Mauchly è inutile in quanto il fattore within ha solo 2 livelli Misura: MEASURE_1 Sorgente luogo luogo * metodo Errore(luogo) Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Assumendo la sfericità Greenhous e-geis ser Huynh-Feldt Limite inferiore Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale l effetto principale luogo è significativo l interazione non è significativa

33 analisi del trend: Test dei contrasti entro soggetti Misura: MEASURE_1 Sorgente luogo luogo * metodo Errore(luogo) luogo Lineare Lineare Lineare Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale tabella degli F per il fattore between: Misura: MEASURE_1 Variabile tras formata: Media Sorgente Intercetta metodo Errore Test degli effetti fra soggetti Somma dei quadrati Media dei Eta quadrato Tipo III df quadrati F Sig. parziale l effetto principale è significativo

34 grafico:

35 tabella riassuntiva degli effetti principali e dell interazione (disegno fattoriale misto): desiderio di fumare effetti e interazione F p fattori between metodo 4,33 <.05 fattori within e interazioni luogo 44,80 <.001 luogo x metodo 2, interpretazione dei dati: l effetto principale metodo è significativo, nel senso che, tra i vari metodi, il metodo 3 (terapia antifumo) è quello più efficace nel ridurre il bisogno di fumare 2 0 lavoro casa met. 1 met. 2 met. 3 metodo antifumo L effetto principale luogo è significativo, nel senso che nel luogo di lavoro i soggetti sentono meno l esigenza di fumare L interazione non è significativa, quindi c è indipendenza tra gli effetti delle due var. indip.

36 Alcune cose da tenere a mente sull analisi di varianza: 1.solo l analisi di varianza permette il test dell interazione 2. evitare disegni troppo complessi, ad es. A B C D. Se l interazione per 4 fattori è significativa, occorre spiegarla. 3. per interpretare i dati correttamente, è necessario anche osservare l andamento delle medie (grafico delle medie) 4. attenzione ai fattori entro (within) o tra (between) i soggetti. Occorre applicare il modello corretto di varianza a seconda del tipo di fattore.