Documente Academic
Documente Profesional
Documente Cultură
SS =∑k (y −y)2
j =1
X
j
kn
SS = E
∑∑ j=1 i=1
(y −y)2 ij i
unde:
yi - valoarea i a variabilei dependente
y j - media variabilei dependente pentru categoria j a variabilei independente
y - media la nivelul întregului eşantion
yij - valoarea i a variabilei dependente corespunzătoare categoriei j a variabilei
independente
Măsurarea efectelor: în această etapă este determinat efectul factorului asupra
variabilei
dependente date de SSX. Pentru măsurarea acestui efect se foloseşte testul
eta2, calculat în modul următor:
η2 =SSX SST
Eta2 ia valori între 0 şi 1. O valoarea apropiată de 0 indică faptul că nu există
diferenţe între medii în timp ce o valoarea apropiată de 1 arată o variabilitate
între grupuri.
Testarea semnificaţiei statistice: se realizează cu ajutorul testului F prin verificarea
ipotezei
nulă (H0) confom căreia dispersiile variabilei dependente în cazul fiecărui
grup (categorie) a variabilei independente sunt egale. Indicatorul testului F se
calculează ca raport între variaţia pusă pe seama variabilei independente şi
ajustată cu numărul gradelor de libertate aferente (SSx/(k-1)) şi variaţia
corespondentă erorii ajustată şi ea cu numărul gradelor de libertate diferenţă
(SSE/(n-k)).
Interpretarea testului F poate fi făcută absolut, prin compararea cu valorile
tabelate sau prin prisma nivelului de semnificaţie asociat. Un nivel de
semnificaţie sub 0,05 (aferent unei probabilităţi de peste 95%) permite
respingerea ipotezei nule a egalităţii dispersiilor.
2Neter J., Wasserman W., Kutner M. - Applied Linear Statistical Models, Irwin, Homewood, 2nd
edition , 1985 5
Interpretarea rezultatelor: în situaţia în care ipoteza nulă a egalităţii mediilor
grupurilor a
fost acceptată, variabila independentă nu are un efect semnificativ asupra
variabilei dependente. În caz contrar, prin neacceptarea ipotezei nule se poate
concluziona că grupurile diferă între ele din punct de vedere al caracteristicii
studiate (variabila dependentă) şi că variabila independentă exercită un efect
semnificativ asupra celei dependente. Mergând mai departe, o comparare a
mediilor la nivelul grupurilor va da informaţii legate de natura efectului
variabilei independente.
Analiza variaţiei cu n-factori
Acest tip de analiză se aplică în situaţia în care există o variabilă dependentă şi mai
mulţi (n) factori (variabile independente). Faptul că există o acţiune simultană a mai
multor
factori aduce în discuţie efectul generat de fiecare dintre factori şi cel produs de
interacţiunile dintre ei.
Procedura de aplicare a analizei variaţiei cu n-factori este similară cu cea în care
avem un singur factor, dar modul de descompunere a variaţiei este unul care trebuie
să ţină
seama de toţi factorii implicaţi (şi de interacţiunile dintre ei). Pentru modelul cel mai
simplu,
cu 2 factori (X1 şi X2) variaţia totală se calculează astfel:
SST = SSX1 + SSX2 + SSX1X2 + SSE
Un efect mai puternic al variabilei X1 va fi reflectat printr-o diferenţă mai mare între
medii la nivelul categoriilor acestei variabile şi sumă a pătratelor SSX1 mai mare, la fel
în
cazul celeilalte variabile independente. Pe de altă parte, cu cât există o interacţiune
mai mare
între factorii X1 şi X2 cu atât contribuţia comună la explicarea variaţiei (ca rezultat al
acestei
interacţiuni) va fi mai mare (relaţia funcţionează şi în sens invers, arătând că o o
valoare mică
a SSX1X2 arată o independenţă între cei doi factori (din acest punct de vedere).
Testul F va ajuta, de data aceasta, la calcularea nu numai a efectului principal al
fiecărui factor, ci va fi calculat câte un indicator atât pentru evaluarea efectului
interacţiunii
cât şi pentru a testa semnificaţia statistică a întregului model, deci efectul global al
tuturor
tratamentelor (factori, individual + interacţiunea dintre ele). Valorile calculate alte
testului
Fisher (Fc) sunt comparate cu cele din tabelele statistice Ft asociate acestui test
(ultimul pe
6
baza nivelului de semnificaţie şi numărului gradelor de libertate). Dacă valorile
calculate
sunt mai mici decât cele tabelare (teoretice), atunci factorul respectiv nu are influenţă
semnificativă asupra procesului analizat; dacă valorile calculate sunt mai mari decât
cele
tabelare (teoretice), atunci factorul respectiv are o influenţă importantă asupra
procesului.
Analiza covariaţiei
Specificitatea analizei multivariate a variaţiei
3 Wildt A. R., Ahtola O. T., Analysis of Covariance; Beverly Hills, CA, Sage, 1978, p. 48-50. 7
De multe ori atunci când se analizează efectul exercitat de variabilele independente
controlate asupra valorilor medii ale unei variabile dependente apare necesitatea de a
ţine
cont şi izola influenţa altor variabile independente. Aceasta se rezolvă prin utilizarea
analizei
covariaţiei care include în model, pe lângă factorii măsuraţi pe scale nemetrice şi cel
puţin o
variabilă independentă de tip metric, denumită covariant Utilizarea acestui are rolul
de a
elimina variaţiile externe exercitate asupra variabilei dependente.
La fel ca şi în celelalte cazuri, semnificaţia statistică a efectelor variabilelor
covariante este testat cu ajutorul testului F. Analiza covariaţiei este utilă atunci când
între
variabilele covariante şi variabila dependentă există o relaţie liniară şi când acestea nu
sunt
corelate cu factorii3. Analiza covariatiei poate fi utilizata cu o singură alternantă, cu
mai
multe alternante, ca şi prin tehnicile multivariate ANOVA.
Similară cu ANOVA, analiza multivariată a variaţiei (MANOVA) include în model
cel puţin două variabile dependente metrice şi analizează efectele asupra acestora
luate
simultan. Obiectivul MANOVA este, la fel ca şi pentru ANOVA, examinarea şi
testarea
diferenţelor dintre medii, dar în acest caz calculele sunt făcute pe baza vectorilor
mediilor
variabilelor dependente multiple.
Analiza multivariată a variaţiei se justifică atunci când variabilele dependente sunt
corelate între ele, în caz contrar fiind mult mai potrivită procedura ANOVA pentru
fiecare
dintre variabilele dependente luate în considerare.
MANOVA compară grupurile şi explică diferenţele dintre grupuri. Pentru aceasta
MANOVA creează un nou rezumat al variabilelor dependente, care este o combinaţie
liniară
a fiecărei variabile dependente iniţiale. MANOVA poate fi folosit într-un sens, două
sensuri
şi cu un nivel ridicat de proiectare (cu multiple variabile independente), ca şi în
analizei
covariaţiei (controlând variabilele suplimentare).