TRENING CZYNI
TRENING CZYNI
MISTRZA
MISTRZA
WIELOCZYNNIKOWA
ANOVA
PRÓBY NIEZALEŻNE
PRÓBY ZALEŻNE
baza danych:
SPOŻYWCZY.SAV
Czy liczba wydawanych
pieniędzy przez kobiety i
mężczyzn zależy od wielkości
sklepu, w jakim dokonywane są
zakupy?
?
?
Male
Female
Gender
0,00
100,00
200,00
300,00
400,00
500,00
Ś
re
d
n
ia
A
m
o
u
n
t
s
p
e
n
t
baza danych:
MIEĆ CZY BYĆ.SAV
Naukowcy przedstawiali badanym opisy
różnych produktów, które były albo
materialne (np. zegarek) albo
doświadczeniowe (np. kolacja z
przyjaciółmi).
Część badanych miała wyobrazić sobie,
że nabyła ów produkt dawno temu lub,
że zrobi to w dalekiej przyszłości; bądź
też, że dokona zakupu w najbliższej
przyszłości lub zrobiło to bardzo
niedawno.
Badani oceniali, jak szczęśliwi czuliby
się po otrzymaniu danego produktu.
?
?
Efekt interakcji
baza danych:
MIEĆ CZY BYĆ_2.SAV
baza danych:
PARTNER
KONWERSACJI.SAV
Badacze testowali hipotezę, że kobiety
lepiej będą oceniać w rozmowie
mężczyznę starszego od siebie,
natomiast mężczyźni będą lepiej oceniać
kobiety młodsze od siebie, zgodnie z
teoriami socjobiologicznymi.
Kobiety i mężczyźni w parach rozmawiali
z osobami płci przeciwnej, którzy byli
starsi, młodsi lub w tym samym wieku, co
badani. Zmienną zależną była ocena
atrakcyjności partnera konwersacji.
?
?
Test Levene'a równości wariancji błędu
a
Zmienna zależna: Oceniana atrakcyjność partnera
,575
5
54
,719
F
df1
df2
Istotność
Testuje hipotezę zerową zakładającą, że wariancja błędu
zmiennej zależnej jest równa we wszystkich grupach.
Plan: Intercept+płeć+partner+płeć * partner
a.
Testy efektów międzyobiektowych
Zmienna zależna: Oceniana atrakcyjność partnera
1,889
a
5
,378
11,463
,000
,515
4,931
1
4,931
149,582
,000
,735
,020
1
,020
,612
,438
,011
1,174
2
,587
17,809
,000
,397
,695
2
,348
10,543
,000
,281
1,780
54
,033
8,600
60
3,669
59
Źródło zmienności
Model skorygowany
Stała
płeć
partner
płeć * partner
Błąd
Ogółem
Ogółem skorygowane
Typ III sumy
kwadratów
df
Średni
kwadrat
F
Istotność
Czastkowe
Eta kwadrat
R kwadrat = ,515 (Skorygowane R kwadrat = ,470)
a.
Efekt główny zmiennej
partner
młodszy o 5 lat
starszy o 5 lat
w takim samym
wieku
Partner konwersacji
0,10
0,20
0,30
0,40
0,50
0,60
0,70
O
sz
ac
o
w
an
e
śr
ed
n
ie
b
rz
eg
o
w
e
płeć
Mężczyzna
Kobieta
Oszacowane średnie brzegowe - Oceniana atrakcyjność
partnera
Efekt główny zmiennej partner
baza danych:
OMAMY.SAV
Badacze chcieli sprawdzić intensywność
omamów u pacjentów przyjętych do
szpitala psychiatrycznego. Każdy pacjent
badany był rano i wieczorem. Dodatkowo
intensywność sprawdzano po pierwszym
tygodniu pobytu, drugim i trzecim.
?
?
Efekt główny zmiennej pory
Efekt główny zmiennej czas
baza danych:
PRACA.SAV
Czy zarobki różnią się wśród osób o różnym
wykształceniu i różnym stanie cywilnym?
Schemat czynnikowy:
2 (marital status: unmarried vs married)
x 3 (level of education: did not complete high
school vs high school degree vs some
college), obie zmienne interindywidualne.
zmienna zależna: zarobki
?
?
Efekt interakcji
baza danych:
WAKACJE 3.SAV
Badacze na zlecenie biura podróży
sprawdzali, jak ludzie oceniają
atrakcyjność wakacji w Tunezji w
zależności od wieku i od grubości
swojego portfela.
?
?
mały
umiarkowany
duży
zasobność portfela
2
4
6
8
10
O
sz
ac
o
w
an
e
śr
ed
n
ie
b
rz
eg
o
w
e
grupy wiekowe
młodzi<25
starsi>50
Oszacowane średnie brzegowe - ocena atrakcyjności wakacji
Interakcje proste w modelu
2x2x2
dwie interakcje proste A*B przy
różnych poziomach zmiennej C
dwie interakcje proste A*C przy
różnych poziomach zmiennej B
dwie interakcje proste B*C przy
różnych poziomach zmiennej A
To, który układ porównań wybierzemy
jest tak naprawdę arbitralne.
Jednak jeśli jedna ze zmiennych jest
kategorialna (np. płeć –
niemanipulowana) to zwykle
wyjaśniamy interakcję zmiennych
manipulowanych przy różnych
poziomach zmiennej niemanipulowanej.
Jak rodzaj spalanych
papierosów wpływa na
samopoczucie u kobiet i
mężczyzn w zależności
od pory dnia?
?
?
zmienne niezależne:
1. płeć
2. rodzaj papierosów (l&m vs kent)
3. pora dnia (ranek vs wieczór)
zmienna zależna:
1. samopoczucie badanych
KOBIETY
MĘŻCZYŹ
NI
RANEK
RANEK
WIECZÓR
WIECZÓR
Kobiety, które palą L&M mają gorsze samopoczucie rano niż
wieczorem. Odwrotnie jest u kobiet palących Kenty. To
wieczorem mają gorsze samopoczucie.
Mężczyźni zaś, mają lepsze samopoczucie rano, gdy palą L&M
niż Kenty, natomiast wieczorem ich samopoczucie jest takie
samo niezależnie od rodzaju palonych papierosów.
IDEALNY PRZEPIS
Wieloczynnikowa
analiza wariancji dla
prob zaleznych i
niezaleznych krok po
kroku...
a) ANOVA dla prób
niezaleznych
Baza danych:
gadulstwo.sav
O co chodzi?
Badacze chcieli sprawdzic czy kobiety sa
rzeczywiscie wiekszymi gadulami od
mezczyzn? Podejrzewali, ze na
gadulstwo moze wplywac rowniez
poziom towarzyskosci. W celu
sprawdzenia powyzszej hipotezy
nagrywano losowe probki rozmow osob
badanych i szacowano dzienna ilosc
uzywanych slow.
1. Najpierw zapoznajemy się z bazą
danych
Po to, aby zdecydować, ktora analizę
należy wykonać.
Tutaj, mamy do
czynienia
z
probami
niezaleznymi.
Kazda
osoba
badana moze byc
albo
mezczyzna,
albo kobieta. Oraz
wylacznie
introwertykiem,
albo
ambiwertykiem,
albo
ekstrawertykiem.
2.
Kiedy znamy juz zmienne mozemy
zapisac:
Schemat czynnikowy
2 (plec: kobieta vs mezczyzna)
x 3 (towarzyskosc: ekstrawersja vs
ambiwersja vs introwersja), obie zmienne
interindywidualne.
Zmienna zalezna: ilosc uzywanych dziennie
slow.
3. I wykonujemy analize ...
WIELOCZYNNIKOWA ANOVA
DLA PROB NIEZALEZNYCH
4. Wybieramy zmienna zalezna i czynniki
stale
5. wykresy
6. Testy post hoc, gdy zmienne sa na
wiecej niz 2 poziomach (tutaj:
towarzyskosc).
7. Analizujemy wyniki:
Jakie mamy efekty?
Brak efektu glownego plci: p = .373
Efekt glowny towarzyskosci: F (2, 54) = 6.82, p < .05, eta2 = .20
Efekt interakcji obu zmiennych: F (2, 54) = 8.67, p < .05, eta2 = .
24
Analiza istotnych efektow:
Efekt glowny towarzyskosci:
F (2, 54) = 6.82, p < .05, eta2 = .20
Niezaleznie od plci, towarzyskosc wplywala na ilosc
wypowiadanych dziennie slow u osob badanych.
WIEMY, ZE SA ROZNICE, ALE NIE WIEMY DOKLADNIE
GDZIE.
Potrzebujemy wyniku testu Levene’a, zeby
zdecydowac ktore porownania wielokrotne nalezy
odczytac.
Post hoc NIR bo wariancje są
równe (czyli test Leaven’a Nie
istotny)
Najbardziej gadatliwe były osoby ekstrawertywne M = 15.78, istotnie
mniej gadatliwe były osoby ambiwertywne M = 14.42 oraz
introwertywne M = 14.14, średnia ilość wypowiadanych przez te
osoby slow była taka sama (p = .384)
Efekt interakcji płci i
towarzyskości
F (2, 54) = 8.67, p < .05, eta2 = .24
Towarzyskosc miala wplyw na ilosc
wypowiadanych slow w zaleznosci od plci osoby
badanej.
Aby zrozumieć efekt interakcji należy
przeanalizować efekty proste pionowe i
poziome.
Pionowe efekty proste
Wsrod introwertykow mezczyzni wypowiadali dziennie wiecej
slow od kobiet: M = 15.28 vs M = 13.00, F (1, 18) = 8.17, p < .
05.
Natomiast wsrod ekstrawertykow to kobiety wypowiadaly wiecej
slow:
M = 16.61 vs M = 14.94, F (1, 18) = 13.94, p < .005.
Wśród ambiwertyków nie było różnicy (p = .543).
Poziome efekty proste
Dzielimy dane na podzbiory wedlug plci
osob badanych. I obliczamy
jednoczynnikową ANOVĘ dla zmiennej
towarzyskość (3 poziomy).
Różnice są tylko wśród kobiet!
Analizujemy test NIR, bo wariancje są
jednorodne.
Mężczyźni zawsze używają
tyle samo słów,
niezależnie od ich poziomu
towarzyskości. Natomiast
wśród kobiet najbardziej
gadatliwe są te
ekstrawertywne M =
16.61, mniej gadatliwe są
ambiwertywne M = 14.20
oraz introwertywne M =
13.00, wśród niech nie
było różnicy.
A teraz wszystko razem, czyli
interpretacja:
W celu sprawdzenia hipotezy, że kobiety używają więcej słów od
mężczyzn, ale w zależności od poziomu towarzyskości przeprowadzono
dwuczynnikową analizę wariancji w schemacie 2 (płeć: kobieta vs mężczyzna) x 3
(towarzyskość: ekstrawersja vs ambiwersja vs introwersja), gdzie zmienną zależna
była ilość używanych dziennie słów. Wyniki wykazały istotny statystycznie efekt
główny zmiennej towarzyskość, F (2, 54) = 6.82, p < .05, eta2 = .20.
Przeprowadzone porównania post hoc wykazały, że niezależnie od płci średnio
najwięcej słów używają osoby ekstrawertywne M = 15.78, istotnie mniej osoby
ambiwertywne M = 14.42 oraz introwertywne M = 14.14, średnia ilość
wypowiadanych przez te osoby slow była taka sama (p = .384).
Istotny statystycznie okazał się również efekt interakcji obu czynników, F
(2, 54) = 8.67, p < .05, eta2 = .24, który mówi o tym, że towarzyskość miała wpływ
na średnią ilość wypowiadanych slow w zależności od płci osoby badanej. Testy
efektów prostych, porównujących poszczególne pary średnich, wykazały, że
towarzyskość istotnie statystycznie wpływa na ilość wypowiadanych słów, ale
wyłącznie wśród kobiet. Wśród mężczyzn ilość wypowiadanych dziennie słów nie
zależy od poziomu towarzyskości. Najwięcej słów używają kobiety ekstrawertywne M
= 16.61, mniej ambiwertywne M = 14.20 oraz introwertywne M = 13.00, wśród niech
nie było różnicy (p = .072). Dodatkowe porównania między grupami osób
ekstrawertywnych, ambiwertywnych i introwertywnych pokazują, że w grupie osób
introwertywnych mężczyźni wypowiadali dziennie więcej slow od kobiet: M = 15.28
vs M = 13.00, F (1, 18) = 8.17, p < .05. Natomiast w grupie osób ekstrawertywnych
to kobiety wypowiadały więcej slow: M = 16.61 vs M = 14.94, F (1, 18) = 13.94, p < .
005. Zatem można obalić kolejny mit dzielący dwie płcie. Kobiety są bardziej
gadatliwe, ale tylko i wyłącznie gdy są ekstrawertywne. Wśród introwertyków to
mężczyźni są większymi gadułami.
Baza danych:
LUBIENIE.SAV
a) ANOVA dla prob zaleznych
BADACZ BYŁ ZAINTERESOWANY ZWIĄZKIEM LUBIENIA Z
WYGLĄDEM ZEWNĘTRZNYM. DO BADANIA WZIĄŁ DZIEWCZYNKI
Z KLASY 1, GDYŻ SĄ PRZESŁANKI ABY SĄDZIĆ, IŻ TO
SZCZEGÓLNIE DZIEWCZYNKI PRZYPISUJĄ ŁADNIE UBRANYM
DZIECIOM WIĘKSZĄ SYMPATIĘ, SZCZEGÓLNIE, GDY SĄ TO
RÓWNIEŻ DZIEWCZYNKI. 25 DZIEWCZYNEK OGLĄDAŁO 100
ZDJĘĆ – 25 DOBRZE UBRANYCH CHŁOPCÓW I 25 DZIEWCZYNEK
ORAZ 25 ŹLE UBRANYCH CHŁOPCÓW I DZIEWCZYNEK.
BADACZ PYTAŁ DZIEWCZYNKI, CZY LUBIĄ OSOBĘ NA ZDJĘCIU.
ODPOWIEDZI „TAK” KODOWAŁ JAKO +1, NATOMIAST „NIE” JAKO
-1. NASTĘPNIE DODAWAŁ TE WARTOŚCI DLA GRUP 25 ZDJĘĆ.
?
?
1. Najpierw zapoznajemy sie z baza danych
Tutaj mamy do czynienia z probami zaleznymi. Kazda osoba badana
widziala najpierw zle ubranego chlopca i dziewczynke, a pozniej
dobrze ubranego chlopca i dziewczynke.
2. Kiedy znamy juz zmienne mozemy
zapisac:
Schemat czynnikowy
2 (plec: dziewczynka vs chlopiec)
X 2 (ubior: dobrze ubrany vs zle
ubrany),
obie zmienne intraindywidualne.
Zmienna zalezna: poziom lubienia.
3. I wykonujemy
analize...
4. Definiujemy zmienne
5. Wykresy
6. Analizujemy wyniki
Czytamy:
sferyczność założona
7. Jakie mamy efekty?
Efekt główny płci:
F (1, 24) = 25.96, p < .001, eta2 = .52
1
2
płeć
10
11
12
13
O
s
za
c
o
w
a
n
e
ś
re
d
n
ie
b
rz
e
g
o
w
e
Oszacowane średnie brzegowe - MIARA_1
chłopiec
dziewczynka
Niezależnie od ubrania
dziewczynki były bardziej lubiane
od chłopców:
M = 12.74 vs M = 9.98.
Efekt główny ubioru:
F (1, 24) = 71.81, p < .001, eta2 = .75
1
2
ubiór
8
9
10
11
12
13
14
O
s
za
c
o
w
a
n
e
ś
re
d
n
ie
b
rz
e
g
o
w
e
Oszacowane średnie brzegowe - MIARA_1
Zły
Dobry
Niezależnie od płci dobry ubiór
był bardziej lubiany od złego:
M = 13.76 vs M = 8.96.
Efekt interakcji obu zmiennych
F (1, 24) = 65.45, p < .001, eta2 = .73
Poziom lubienia
ubioru zależał od
płci.
Aby zrozumieć
efekt interakcji
należy porównać
ze sobą efekty
proste: pionowe i
poziome
Efekty proste
(pionowe)
To, jak różnią się
między sobą
dobrze ubrana
dziewczynka ze
źle ubraną
dziewczynką.
Oraz to, jak
różnią się między
sobą dobrze
ubrany chłopiec
ze źle ubranym
chłopcem.
Chłopcy, niezależnie od tego jak ubrani, byli
oceniani tak samo p = .541.
Natomiast dobrze ubrane dziewczynki były
bardziej lubiane od tych źle ubranych: M = 17.32
vs M = 8.16, p < .001.
Efekty proste
(poziome)
To, jak różnią się
między sobą
dobrze ubrana
dziewczynka z
dobrze ubranym
chłopcem.
Oraz to, jak
różnią się między
sobą źle ubrany
chłopiec ze źle
ubraną
dziewczynką.
Źle ubrany chłopiec był lubiany bardziej od źle ubranej dziewczynki:
M = 9.76 vs M = 8.16, p < .05.
Natomiast dobrze ubrane dziewczynki były bardziej lubiane od dobrze
ubranych chłopców: M = 17.32 vs M = 10.20, p < .001.
A teraz wszystko razem, czyli
interpretacja:
W celu sprawdzenia czy ubiór oraz płeć wpływają na poziom lubienia osoby,
została przeprowadzona dwuczynnikowa analiza wariancji z powtarzanym
pomiarem w następującym schemacie: 2 ( płeć: kobieta vs mężczyzna) x 2
(ubiór: dobry vs zły). Zmienną zależną był poziom lubienia ocenianej osoby.
Istotne okazały się następujące efekty: efekt główny zmiennej płeć, F (1, 24) =
25.96, p < .001, eta2 = .52; efekt główny zmiennej ubiór, F (1, 24) = 71.81, p
< .001, eta2 = .75; efekt interakcji obu zmiennych, F (1, 24) = 65.45, p < .001,
eta2 = .73. Efekt główny płci polega na tym, że niezależnie od ubrania
dziewczynki były bardziej lubIane od chłopców: M = 12.74 vs M = 9.98. Efekt
główny ubioru mówi o tym, że niezależnie od płci dobry ubiór był bardziej
lubiany od złego: M = 13.76 vs M = 8.96.
W przeprowadzanej analizie uzyskany został również istotny efekt interakcji
płci oraz ubioru. Oznacza on, że różne ubiory były oceniane inaczej w
zależności od płci użytkownika. Aby zrozumieć na czym polega ten efekt,
przeprowadzona została analiza efektów prostych. W przypadku dziewczynek
te dobrze ubrane były bardziej lubiane od tych źle ubranych: M = 17.32 vs M =
8.16, p < .001. Jeśli chodzi o chłopców: niezależnie od tego jak ubrani, byli
oceniani tak samo źle (p = .541).
Podsumowując można powiedzieć, że ubiór wpływa w różny sposób na poziom
lubienia osoby w zależności od jej płci ubrani chłopcy byli lubiani bardziej od źle
ubranych dziewczynek M = 9.76 vs M = 8.16, p < .05. Natomiast dobrze
ubrane dziewczynki były bardziej lubiane od dobrze ubranych chłopców: M =
17.32 vs M = 10.20, p < .001.