Analize complexe 2 Note de curs

Relaţiile între variabile.

• Distingem între relaţii funcţionale şi relaţii statistice.

• Relaţia funcţională între două variabile este exprimată printr-o

formulă matematică. Dacă X denotă variabila independentă şi Y
variabila dependentă, relaţia funcţională este de forma Y = f(X).

• Relaţia statistică între două variabile. O relaţie statistică, spre

deosebire de o relaţie funcţională, nu este una perfectă. În general,
observaţiile pentru o relaţie statistică nu trebuie să cadă direct pe
curba de relaţie. Două evaluări: evaluările de la sfârşitul anului sunt
luate drept variabile dependente sau variabile răspuns Y şi evaluările
de la mijlocul anului ca variabile independente, explicativă, sau
predictori X. Figura practică care ia naştere din vizualizarea în plan a
punctelor X şi Y este numită diagramă de împrăştiere sau plan(grafic)
de împrăştiere. Deşi nu are exactitatea unei relaţii funcţionale, relaţia
statistică este folosită de multe ori, ea exprimând o tendinţă generală
de asociere a celor două variabile. Pe lângă relaţii liniare, există şi
relaţii curbilinii.

• Alegerea formei funcţionale a relaţiei de regresie este legată de

alegerea variabilei predictor. Uneori, teoria relevantă poate să indice
forma funcţională adecvată.

• Mai frecvent, totuşi, forma funcţională a relaţiei de regresie nu este

cunoscută în avans trebuie să fie decisă empiric după ce datele au
fost culese. Funcţiile de regresie liniare sau pătratice sunt adesea
folosite ca o primă aproximare satisfăcătoare a funcţiilor de regresie
de natură necunoscută. Într-adevăr, aceste tipuri simple de funcţii de
regresie poate fi folosită egal când teoria furnizează formă funcţională
relevantă, îndeosebi când forma cunoscută este extrem de complexă,
însă poate fi rezonabil aproximată printr-o funcţie de regresie liniară
sau pătratică.

• Scopul modelului. În formularea unui model de regresie, noi avem

nevoie de obicei de a restricţiona riscurile modelului la câteva regiuni
sau intervale de valori ale variabilei predictor (sau variabilelor

1
 predictor). Scopul este determinat fie cu designul investigaţiei, fie prin
seria de date la îndemână.

Strategia tipică Start

pentru analiza de
regresie Analiza exploratorie a datelor

Dezvoltarea uneia sau mai multor modele de regresie

Revizia modelelor NU Este unul sau mai multe

sau construcţia modele de regresie adecvat
unui model nou pentru datele la îndemână?
nou
Da

Se identifică mai multe modele

Michael H. Kuthner, adecvate
John Netter, William Li
Christopher J. Nachtsheim,
Se fac inferenţe pe baza modelului
Applied Linear Statistical
de regresie
Models, McGraw-Hill
International Edition, New
York ,2005). P. 14
Stop

Modelele în psihologie
• Ceea ce diferenţiază teoriile de modele este, în primul rând, gradul lor
de generalitate: un model este o reprezentare logică-matematică a
unui ansamblu limitat de fenomene în condiţii riguros definite; o
teorie ştiinţifică se aplică la un ansamblu mult mai vast de fenomene

• Teoria ştiinţifică poate fi considerată ca un model de ordin superior

din care pot fi derivate modele locale, adică realizări specifice, care se
aplică la anumite obiecte particulare şi la anumite clase definite de
situaţii

Modelul formal
 Un model formal rezultă din aplicarea unui sistem formal la un
subansamblu de obiecte ale realităţii în scopul de a permite o interpretare în
termeni de valoare de adevăr. Astfel, un model trebuie să posede o
sintaxă(aceea a sistemului formal şi o semantică(rezultând din proiecţia
sistemului formal într-o realitate cu sens). Sintaxa sistemului formal este
definită printr-un ansamblu de condiţii(un limbaj):

2
  Definiţia simbolurilor elementare ale sistemului, a expresiilor
sistemului, a regulilor de formare a expresiilor şi a expresiilor corect
formate ale sistemului(formulele sistemului);
 Un sistem formal trebuie, de asemenea, să definească un procedeu de
demonstraţie formalizată(axiome, relaţii între formule şi reguli de
inferenţă, teoreme)
 Sintaxa sistemului formal include formalizarea limbajului şi
formalizarea demonstraţiei. Elaborarea unui sistem formal este o
activitate de tip logic sau matematic. Există sisteme formale
logice(logica propoziţională) şi sisteme formale matematice(exemplu
algebra) care au exercitat o mare influenţă asupra modelizării
psihologice.
Funcţii
 Indiferent care ar fi dificultăţile precedente, interesul unui model
formal este incontestabil prin faptul că el utilizează o sintaxă, logic
sau matematic încercată, pentru descrierea şi interpretarea unui
sector din realitate. Dacă interfaţa între sintaxa sistemului formal şi
semantica modelului este o sursă de probleme , o analiză
„agramaticală” a realului va avea consecinţe încă mai grave. Modelul
are funcţii pozitive, inutil de subestimat sau negat. În ciuda
caracterului uneori semantic aproximativ, modelul are următoarele
avantaje:

 Este specific(în privinţa unei situaţii);

 Este explicit(privitor la postulatele şi axiomele sale);

 Este condensator( prin raport cu complexitatea datelor);

 Uşor modificabil(prin modificarea postulatelor sale)

 Un model formal poate fi definit ca un sistem relaţional, de formă, de

structură şi de funcţii între două obiecte, dintre care unul este un
sistem formal şi altul, ansamblul limitat de obiecte pe care cineva
doreşte să le descrie şi să le interpreteze.

Remarcă

• Este frecventă situaţia de a compara două obiecte naturale

între ele şi de a sugera că unul dintre ele este modelul
altuia(model animal de învăţare umană, de exemplu). Este
la fel de posibil de a compara un obiect artificial la un obiect
natural(ex: modelul informatic al memoriei umane). Cele
3
 două tipuri de comparaţii nu sunt echivalente, deoarece în
primul caz nu se dispune de sisteme formale de referinţă pe
când obiectul artificial al celei de-a doua comparaţii este, în
mod precis, realizarea materială a unui sistem formal

Clasificare
• În fapt, un model ştiinţific poate fi construit în scopul de a da seama
de funcţionare unui obiect complex sau în scopul de a descrie
structura unui astfel de obiect. Autorul articolului califică primele
modele drept funcţionaliste sau funcţionale şi pe cele secunde modele
structuraliste sau structurale.. Este clar faptul că anumite modele
sunt tentate de a descrie simultan structurile şi legile de funcţionare
ale obiectelor studiate. A doua clasă o califică modele mixte

Explicaţii

• Estimarea lui Y

Yˆ  .0,20  .0,13Cred int a psy  0,07 Schizotipi e  0,05 Re ligiozitat e

• În ecuaţie se pot introduce valori pentru fiecare persoană a

eşantionului cu volum de 401subiecţi, şi prin aceasta valori de

4
 estimare a experienţei cu practici oculte. În coeficientul de regresie din
ecuaţia anterioară se indică cum se transformă puternic variabila
dependentă, când variabila independentă corespunzătoare creşte cu o
unitate, în timp ce restul variabilelor independente corespunzătoare
rămâne constant. În datele prezente ia naştere punctajul individual
pentru cuprinderea tulburărilor schizotipice de personalitate în
numărul itemilor răspunşi în sensul caracteristicii. În sensul ecuaţiei
prezentate mai sus a coeficientului de regresie pentru această
variabilă independentă se poate interpreta şi în aşa fel că experienţa
creşte cu 0,07 practici, când un item următor al scalei a fost răspuns
în sensul caracteristicii.

Condiţiile necesare pentru a aplica ANOVA simplă

 Există o singură variabilă dependentă cu consistenţă scalară de
interval;

 Există o singură variabilă independentă, având consistenţă scalară

nominală sau ordinală cu cel puţin 3 modalităţi sau niveluri;

 Variabila dependentă trebuie să fie normal distribuită pentru fiecare

dintre modalităţile sau nivelurile. În cazul în care nu este normal
distribuită sau grupele experimentale conţin un număr prea redus de
subiecţi(sub 10) se recomandă aplicarea testelor non-parametrice,
(exemplu Kruskal Wallis);

 Varianţele trebuie să fie relativ egale pentru fiecare dintre grupele

supuse comparaţiei(unii autori consideră că această exigenţă poate fi
încălcată)

 Fiecare subiect trebuie să fie măsurat o singură dată(independenţa

măsurătorilor)

Ipoteze
• Ipoteza nulă H0 – vom testa, cu un risc de eroare de 5 %, dacă mediile
provin din aceeaşi populaţie părinte. În acest caz: 6,87 = 9,20 = 8,87
=10,40 = 10,40.Ele sunt cu siguranţă diferite, dar se estimează că
diferenţele rezultă din fluctuaţii „normale” de eşantionaj.

• Ipoteza alternativă H1 va spune că mediile nu sunt egale. În acest caz:

6,87≠ 9,20 ≠8,87 ≠10,40 ≠ 10,40. Mediile rezultă din populaţii
părinte diferite. Diferenţele observate nu sunt semnificative

5
 Tabelul ANOVA
Sursa de Variaţia Grade de F
variaţie libertate Varianţa

Intergrup 127,44 4 31,86

12,16

Intragrup 183,49 70 2,62

Total 310,93 74 4,20

Observaţii
asupra tabelului privind rezultatul testului ANOVA simplă

• Variaţia totală este egală cu variaţia intergrup şi variaţia intragrup;

• Se calculează sumele pătratelor variaţiilor ambelor situaţii(variaţia

inter şi variaţia intra);

• Gradele de libertate sunt egale în cazul dispersiei intergrup cu

numărul acestora minus unu (5-1), şi în cazul dispersei intragrup cu
numărul total de subiecţi minus numărul grupelor(75-5);

• Raportul dintre cele două medii pătratice este rezultatul final F;

• F-ul se interpretează asemănător cu celelalte teste statistice . În cazul

în care valoarea lui F este semnificativă statistic(p<0,05, atunci
respingem ipoteza nulă conform căreia nu există diferenţe între
populaţiile din care au fost extrase grupele implicate în desingn-ul
experimental;

• Rezultatul lui F se scrie în felul următor: F, (4,70) = 12,16, p< 0,01. Se

poate afirma că diferenţele între cele 5 grupe nu se datorează
hazardului.

Etape în aplicarea ANOVA simplă

6
 a) verificăm dacă există diferenţe la nivel global între grupuri(dacă
respingem H0) prin intermediul testului F omnibuz.

b) dacă răspunsul este afirmativ(rezultatul testului F omnibuz este

semnificativ statistic), pentru a afla care dintre grupuri diferă între ele
aplicăm procedura comparaţiilor analitice, multiple.

Există două categorii de comparaţii:

1. comparaţii planificate, a priori numite contraste;

2. comparaţii post-hoc

Contrastele şi comparaţiile post-hoc

• Contrastele testează ipoteze pe care cercetătorul le-a lansat înaintea
cercetării privind diferenţele de medii dintre anumite grupuri;

• comparaţiile post-hoc - cercetătorul nu are o ipoteză unidirecţionată

lansată anterior(pe baza teoriei) privind diferenţele de medie între
anumite grupuri, şi pur şi simplu exploatează toate diferenţele
posibile între mediile grupurilor analizate;

Testele post-hoc(neplanificate
• Sunt acele teste pentru care nu există o ipoteză unidirecţionată şi care
verifică existenţa unor diferenţe semnificative între toate perechile de
grupuri.

• Presupun parcurgerea unei serii de paşi;

– Stabilirea valorii F pentru a evidenţia existenţa diferenţelor

semnificative între grupe;

– Selectarea testelor post-hoc adecvate pentru a vedea cum diferă

grupele între ele (Aceasta este necesară doar dacă ipoteza nulă a
fost respinsă în primul pas)

Testele post-hoc
• Sunt în număr de 20, şi sunt diferenţiate în funcţie de puterea
lor(puterea de a descoperi diferenţe semnificative atunci când acestea
există) şi probabilitatea de a produce eroarea de tipul I. Sunt grupate
după criteriul egalităţii varianţelor(în număr de 16 pentru varianţe
egale şi 4 în cazul varianţelor inegale(

• Există două tipuri de proceduri post-hoc:

7
 1. testează diferenţa dintre fiecare pereche de medii(care
interesează în mod general);

2. identifică subseturi omogene de medii(care nu diferă unele de

altele).

– Unele dintre teste au la bază doar primă procedură(LSD, Bonferoni,

Sidak, Dunnet(trei variante), Tamhane, Dunette T3, Games-Howell,
Dunette C), altele doar a doua procedură((R-E-G-W-F, R-E-G-W-Q, S-
N-K, Tukey b, Duncan, Waller-Duncan) iar altele au la bază ambele
proceduri(Scheffe, Tukey, Hochberg GT2, Gabriel).

• Caz special - testul Dunnett - aplicabil în cazul

experimentelor cu grup de control - care compară toate
grupurile cu unul dintre ele, considerat de control. Implicit,
ultimul grup este considerat de control, însă această setare
poate fi schimbată, şi se poate lua drept reper primul grup.
Există trei variante de aplicare a acestui test:

1. în care mediile sunt comparate cu media grupului de

control;

2. în care doar mediile mai mari vor fi comparate cu media

grupului de control;

3. în care doar mediile mai mici vor fi raportate la media

grupului de control;

• În primul caz, ipotezele vor fi bidirecţionate, în restul

cazurilor fiind unidirecţionate.

• Întrebare frecventă: cea referitoare la modalitatea de alegere

dintre toate aceste variante. În cazul egalităţii varianţelor,
majoritatea autorilor recomandă utilizarea testelor
Bonferoni şi Tukey. Dacă variabila independentă are un
număr redus de categorii, se aplică testul Bonferoni(mai
puternic în detectarea diferenţelor dintre medii atunci când
numărul de comparaţii este redus), în caz contrar
recomandându-se testul Tukey. Totuşi, în ciuda acestor
diferenţe, majoritatea cercetătorilor optează pentru Tukey.

8
 Selecţie teste post-hoc(F.Sava)
Număr de subiecţi

Egal(10,10, Uşor inegal Puternic

10) (9,10,11) inegal
(15,10,7)

Omogenitat Dispersii Tukey Gabriel Hochberg(G

ea egale Tukey b T2)
dispersiei

Dispersii Dunnet T3 Games Games-

inegale Howell Howell

Testele de contrast
sau comparaţiile planificate( numite şi a priori).
• Folosire - când ipotezele sunt unidirecţionale , stabilite anterior
derulării cercetării. Contrastele sunt folosite pentru a testa relaţiile
între medii. Un contrast C este o combinaţie liniară a mediilor Mi,
având coeficienţi de contrast ai:

• C = a1M1+ a2M2 +…….aiMi, unde a1+a2+a3 +… ai =0.

• Prin intermediul contrastelor se pot realiza următoarele comparaţii:

• Media unui grup versus media altui grup (M1 şi M2);

• Media unui grup versus media generală a altor grupuri(exemplu M1 şi

(M2+M3+M4)/3;

• Media generală unor grupuri versus media generală a altor grupuri.

De exemplu: (M1+M2)/2 şi (M3+M4+M5)/3

Regulile de alocare
pentru coeficienţi sunt următoarele:
1. Grupurile situate în stânga expresiei versus primesc fiecare acelaşi coeficient
cu semnul pozitiv;

9
2. Grupurile situate la dreapta cuvântului versus primesc fiecare acelaşi
coeficient cu semnul negativ; Condiţii : grupurile care au coeficienţi pozitivi
vor fi comparate cu grupurile care au coeficienţi negativi.
3. Grupurile nemenţionate în comparaţie primesc toate coeficientul 0;
4. Pentru regulile 1 şi 2, coeficientul este egal cu numărul de grupuri situate în
partea cealaltă a cuvântului versus;
5. Suma coeficienţilor este egală cu 0.
Contraste

Exemplu
• Într-un experiment avem două grupuri experimentale, G1 şi G2, pe
care vom testa două noi metode de optimizarea învăţării şi un grup de
control(G3). În prima fază putem verifica dacă oricare din cele două
metode dau rezultate mai bune comparative cu neaplicarea lor(grupul
de control) iar în a doua fază verificăm dacă una dintre cele două noi
metode este mai eficientă comparativ cu cealaltă. Primul contrast
este(1,1,-2) iar al doilea(-1,+1,0). Dacă am avea 8 grupuri şi dorim să
comparăm grupurile G1, G7 cu G2, G3,G4,G5, coeficienţi de contrast
ar fi(4,-2,-2,-2,-2, 0,4,0).

Trei criterii
de clasificare a testelor de contrast
• După criteriul complexităţii, există contraste simple şi contraste
complexe;

• În cazul în care sunt implicate doar două medii, avem contraste

simple sau contraste pereche. În cazul în care variabila independentă
are 3 categorii, se compară media grupului 2 cu media grupului 3;
coeficienţii de contrast vor fi 0,1,-1)Numărul de contraste simple este
k(k-1)/2, unde k este numărul de grupuri.

• Dacă luăm în consideraţie comparaţiile care implică mai mult de două

medii avem contraste complexe, care reprezintă o combinaţie liniară a
mediilor grupelor semnificative din studiul realizat. Dacă avem de
comparat de exemplu efectele unor tipuri de psihoterapii, am putea
avea trei grupe experimentale(G1, G2 şi G3) şi un grup de control(G4).
Vom compara toate cele trei grupe experimentale( de fapt media
mediilor celor trei grupuri) cu grupul de control(cu media acestuia) în
felul următor: 1*G1+1*G2+1*G3 v -3*G4, coeficienţii de contrast fiind
(1,1,1,-3).

Criterii

10
 După criteriul ortogonalităţii, există contraste ortogonale şi contraste
neortogonale:

 Contrastele ortogonale sunt contraste independente, neredundante.

Un set de contraste este ortogonal dacă fiecare contrast este
independent de oricare altul.

 Două contraste C1 = (a1, a2 , a3….am) şi C2 = (b1, b2,

b3 şi ….. bm) sunt ortogonale dacă a1b1+a2b2+a3b3 +
……ambm = 0. Exemplu de verificare a două contraste,
C1= (3,-2,-2,-2,3) şi C2 = (0,2,-1,-1,0). Se vor înmulţi
coeficienţii pe coloană, apoi se va face suma(3)*(0) +(-
2)*(2)+(-2)*(-1)+ (-2)*(-1)+(3)*(0) =0. Concluzia este că cele
două contraste sunt ortogonale

 Dacă avem un singur contrast nestandardizat, acesta este

în mod obligatoriu ortogonal(pentru că suma
coeficienţilor este întotdeauna zero) ;

 Într-un set de contraste ortogonale, dacă un grup face

parte dintr-un contrast, atunci el nu va mai face obiectul
unei alte comparaţii;

 Într-un set de 4 contraste, acest set este ortogonal dacă

fiecare contrast este ortogonal în raport cu oricare altul

 Numărul maxim de contraste nestandardizate ortogonale

ce pot fi realizate este k-1, unde k este numărul de
grupuri.

 Avantajul contrastelor ortogonale este că acestea menţin

constantă eroarea setului de comparaţii la nivelul
standard de α=0,05. În schimb, contrastele
nonortogonale cresc riscul de a produce eroarea de tipul I)

11
 3 -2 -2 -2 3

0 2 -1 -1 0

0 -4 2 2 0

Criterii

 Contrastele nonortogonale sunt acelea care nu respectă

condiţiile enumerate anterior. În consecinţă, suma
produselor a două contraste(pe coloană) va fi diferită de 0.

 Un set de contraste va fi nonortogonal dacă va

conţine cel puţin două contraste
nonortogonale(suma produselor coeficienţilor este
diferită de 0);

 Numărul maxim de contraste nonortogonale este

mai mare decât (k-1);

 Dezavantajul contrastelor nonortogonale este că nu menţin

constantă eroarea de tipul I, trebuind să ajustăm pragul de
semnificaţie la care raportăm rezultatele în funcţie de
numărul de contraste. Astfel, pentru cinci contraste
nonortogonale, pragul de semnificaţie ajustat va fi p =
0,05/5=0,01.
 După criteriul standardizării, există contraste standardizate şi
contraste nestandardizate.

12
  În cazul contrastelor standardizate, tipurile de comparaţii inter-
grupuri sunt specificate în SPSS(menu: Analyse→General Liniar
Model→Univariate. Tipurile principale sunt următoarele:

 Deviation-contraste prin deviere(nonortogonale): compară media

fiecărui grup(exceptând grupul de referinţă care poate fi primul
sau ultimul) cu media generală a tuturor grupurilor;
 Simple contraste (nonrtogonale): compară media fiecărui grup cu
media unui grup specificat(de referinţă), care poate fi primul
sau ultimul; Este util în situaţia în care avem un grup de
control;
 Difference – contraste prin diferenţă(ortogonale) compară media
fiecărui grup(exceptându-l pe primul) cu media generală a
grupurilor anterioare
 Helmert.contrastele Helmert (ortogonale): compară media
fiecărui grup(exceptându-l pe ultimul) cu media generală a
grupurilor următoare;
 Repetead – contraste repetate(non-ortogonale):
compară media fiecărui grup(exceptându-l pe ultimul
cu media generală a grupului următor;
 Polynomial – contraste polinomiale(ortogonale):
reprezintă creşteri(sau descreşteri) liniare, curbilinii,
cubice, etc de-a lungul unui set ierarhizat de medii(în
acest caz, coeficienţii au valori fixe în SPSS). Se poate
testa, de exemplu, productivitatea unor studii
cantitative(ca o creştere liniară) pentru trei grupuri de
cercetători: unii care nu au urmat nici un training în
analiză tranzacţională alţii care au beneficiat de un
training de nivel mediu şi alţii care au beneficiat de un
training la nivel de expert.

Observaţii
Toate condiţiile ,prezentate mai sus sunt specifice designurilor cu grupe
egale de subiecţi(balanced design). În cazul designurilor cu grupe
inegale de subiecţi(unbalanced design) apar cîteva modificări. Condiţia
C = a1M1+ a2M2 +…….aiMi, unde a1+a2+a3 +… ai = 0 devine a1n1 +
a2n2 +….+aini=0, iar condiţia a1b1+a2b2+a3b3 +……ambm = 0 devine

unde n1, n2….nm reprezintă cele m grupe de design

m
ai b i a1 b1 a2 b 2 a 3 b3 a b
∑ = + + +. .. . .+ m m =0
i=1 ni n1 n2 n3 nm
13
 Contrastele standardizate
pot fi ortogonale sau non-ortogonale. SPSS dispune de şapte contraste
standardizate, din care ultimele două sunt ortogonale Sinteză

Nume Descriere Contras Trei grupe Patru grupe

te
Deviation Compară fiecare grup(cu 1 2 vs(1,2,3) 2 vs (1,2,3,4)
(first) excepţia primului) cu o 2 3 vs(1,2,3) 3 vs(1,2,3,4)
combinare a tuturor 3 4 vs (1,2,3,4)
grupelor

Deviation Compară fiecare grup(cu 1 1 vs (1,2,3) 1 vs(1,2,3,4)

(last) excepţia ultimului) cu o 2 2 vs(1,2,3) 2 vs(1,2,3,4)
combinare a tuturor 3 3 vs(1,2,3,4)
grupelor

Simple Fiecare grupă este 1 1 vs 3 1 vs 2

(first) comparată cu prima 2 1 vs 3 1 vs 3
categorie 3 1 vs 4

Simple Fiecare grupă este 1 1 vs 2 1 vs 4

(last) comparată cu prima 2 2 vs 3 1 vs 4
categorie 3 1 vs 4

Contraste
Repeated Fiecare grupă(cu 1 1 vs 2 1 vs 2
excepţia primei 2 2 vs 3 2 vs 3
categorii) 3 3 vs 4
este comparată cu
grupa
imediat precedentă

Helmert Fiecare categorie(cu 1 1 vs (2,3) 1 vs(2,3,4)

excepţia ultimei) este 2 2 vs 3 2 vs (3,4)
comparată cu media 3 3 vs 4
grupelor ulterioare

Diference Fiecare categorie(cu 1 3 vs (2,1) 4 vs(3,2,1)

(Helmert excepţia primei) este 2 2 vs 1 2 vs (2,1)
invers) comparată cu media 3 2 vs 1
grupelor precedente

Observaţii
 Observaţiile privind design-urile cu grupe inegale pot fi ignorate de
cele mai multe ori. Unii autori consideră că SPSS oferă rezultate
corecte la testele statistice chiar în cazul inegalităţii grupelor, însă
14
 doar pentru design-uri cu un singur factor. Se observă că rezultatele
testelor de contrast tind să fie ceva mai optimiste(designu-rile cu
grupe egale de subiecţi fiind mai puternice decât cele cu grupe inegale

 Se pot aplica teste de contrast fără a lua în calcul testul F omnibuz.

Rezultatul la testul F omnibuz poate să nu fie semnificativ (deoarece
ia în calcul toate comparaţiile – pereche )

 Mărimea efectului

F
r=
√ F
F+df int ragrrup
r=
√ F+df intragrrup

ANOVA factorială
Utilizând acestui test factorial putem analiza efectele a două sau mai multe
VI asupra unei VD, precum şi efectele de interacţiune ale VI asupra VD.

Condiţiile necesare pentru aplicarea ANOVA factorială sunt aceleaşi ca

pentru ANOVA simplă. Sursele de varianţă în ANOVA factorială sunt:

 varianţa corespunzătoare fiecărei VI;

 varianţa corespunzătoare efectelor de interacţiune;

 varianţa intragrupuri sau varianţa eroare;

Într-un design cu două variabile independente(X şi Y), varianţa totală poate

fi descompusă în felul următor :

 varianţa atribuită variabilei X ;

 varianţa atribuită variabilei Y;

 varianţa atribuită interacţiunii intre variabilele X şi Y;

 varianţa intragrupuri sau varianţa eroare.

Ce testăm?
Se va putea testa :

 efectul variabilei X asupra variabilei dependente( efectul principal al

variabilei X) ;

15
  efectul variabilei Y asupra variabilei dependente(efectul principal al
variabilei Y)

 efectul de interacţiune între variabila X şi variabila Y.

În cazul unui design cu trei VI vom testa trei efecte principale, trei efecte cu
dublă interacţiune şi un efect cu tripla cţiune. Într-un design cu patru VI
vom testa, patru efecte principale, 6 efecte de dublă interacţiune, 4 efecte de
triplă acţiune şi 1 efect de quadruplă acţiune

Interacţiuni
În situaţia în care interacţiunea între variabile este semnificativă, este
primordială interpretarea acesteia, interpretarea efectelor principale
făcându-se cu precauţie şi doar când acestea sunt importante în
contextul cercetării. Analizarea efectelor principale semnificative se face
prin intermediul testelor de contrast sau a testelor post hoc, aşa cum s-a
precizat la ANOVA ONE WAY. În cazul în care efectele de interacţiune
sunt semnificative, atunci analiza acestora urmează două demersuri

1. Analiza efectelor simple;

2. Analiza contrastelor de interacţiune

Efecte
Dacă un efect principal este evidenţiat ca semnificativ statistic prin
intermediul testului F, atunci este posibil ca acesta să nu fie în realitate
semnificativ. Din acest motiv, se recomandă verificarea tuturor efectelor
principale semnificative prin intermediul testelor t pentru eşantioane
independente, atunci când variabila în cauză are doar două categorii  ;

Dacă un efect de interacţiune X*Y nu este semnificativ statistic, putem

totuşi să verificăm efectele simple ale unei variabile(X sau Y) doar în
anumite condiţii:

Dacă efectul principal al variabilei X este semnificativ, iar efectul

principal al variabilei Y este nesemnificativ, atunci putem analiza
efectele simple ale variabilei Y(în acest caz informaţii sunt datorate
efectului principal al variabilei X ;

Reciproc, dacă efectul principal al variabilei Y este semnificativ,

vom putea analiza doar efectele simple ale variabilei X ;

Dacă însă nici unul din efectele principale ale variabilelor X şi Y nu

este semnificativ, atunci vom putea analiza oricare dintre efectele
simple ale variabilelor X şi Y.

16
 ANOVA simplă cu măsurători repetate
 Condiţiile în care se poate aplica ANOVA simplă cu măsurători
repetate sunt următoarele :

 Variabila dependentă trebuie să satisfacă exigenţe de scalare de

interval şi să fie normal distribuită(în fiecare din condiţiile variabilei
independente),

 condiţia de sfericitate, testată prin testul W al lui Mauchly, presupune

omogenitatea varianţelor atât în cadrul condiţiiloe experimentale cât şi
în cadrul diferenţei dintre două condiţii(de exemplu, pentru 4 condiţii
experimentale, notate cu a1,a2, a3 şi a4, dacă am crea şase noi
variabile reprezentând diferenţele dintre fiecare două condiţii,
respectiv, a1-a2, a1 – a3, a1-a4, a2 - a3, a2 - a4, a3-a4, atunci
varianţele variabilelor b1, b2, b3, b4, b5, b6 trebuie să fie de
asemenea egale). Sfericitatea poate fi considerată şi ca o omogenitate a
covarianţelor, respectiv a coeficienţilor de corelaţie dintre fiecare două
condiţii experimentale. Dacă nu se respectă condiţia de sfericitate,
creşte şansa de a comite o eroare de prima speţă.

 fiecare subiect este testat în fiecare condiţie experimentală.

Sfericitatea
Condiţia de sfericitate este relativ rar întâlnită în cercetările realizare în
domeniul psihologiei experimentale. Trebuie amintit faptul că încălcarea
acesteia influenţează rezultatele în mod semnificativ. Dacă rezultatele la
testul W al lui Mauchly sunt nesemnificative statistic(p>0,05), atunci
condiţia de sfericitate este îndeplinită. În cazul în care nu se îndeplineşte
condiţia de sfericitate, avem la dispoziţie două alternative:

ajustăm gradele de libertate în citirea valorillor F din ANOVA(folosind

corecţiile Greenhouse-Geisser sau Huynh-Feldt;

fie folosim analiza de varianţă multivariată(MANOVA ).

În cadrul acestei tehnici vom apela la teste de contrast sau la teste post-
hoc., deoarece testul F global testează doar dacă există diferenţe între
diferitele condiţii experimentale. Testele de contrast disponibile sunt doar
cele standardizate, iar testele post-hoc sunt LSD, Bonferroni şi Sidak(cel
mai recomandat fiind testul Bonferroni.

17
 Surse de variabilitate

Variabilitate intra-grup Variabilitate inter-grup

Eroare Eroare

Diferenţe individuale Diferenţe individuale

Variabile parazite Variabile parazite

Efectele de tratament.

Fără efect al tratamentului. Cele două

variabilităţi sunt aproape identice.

Variabilitate Variabilitate
Intra-grup inter-grup

Variabilitate Variabilitatea
Intra-grup Inter-grup

18
 Efect al tratamentului. Variabilitatea intra-
grup este slabă faţă de variabilitatea inter-
grup

Variabilitate Variabilitate
Intra-grup inter-grup

Variabilitate Variabilitatea
Intra-grup
Inter-grup

ANOVA factorială cu măsurători repetate

 Exemplu. Un cercetător a fost interesat în studierea abilităţilor
adulţilor în vârstă pentru a îmbunătăţi memoria lor verbală folosind
tehnica mnemonică „method of loci” . Metoda presupune asocierea
fiecărui item de memorat cu o locaţie specifică dintr-o secvenţă de
locaţii extrem de familiare, precum camera unei case
personale(exemplu pentru cuvântul pălărie, persoana poate să
vizualizeze o pălărie atârnând pe cârligul din faţa holului). Din cauza
faptului că metoda este legată cu uşurinţă de abilitatea de a manipula
imagini vizuale, este de aşteptat ca persoanele în vârstă care sunt sau
au fost implicate(incluse) în artele vizuale de desenare, pictură,
sculptură, design-grafic vor fi mai bune în utilizarea unei astfel de
metode. Pentru a examina această posibilitate, cercetătorii
administrează un test de memorie verbală la 50 de artişti adulţi în
vârstă şi la 50 de adulţi în vârstă ne-artişti, scorul de interes este
exprimat prin procentajul corect. După o evaluare de bază, ambele
grupe sunt antrenate cu metoda loci şi sunt retestate de patru ori la
interval de o săptămână. Grup de medii la aceste cinci măsurători.

19
 Tabelul 11.1 ilustrează o variabilă
W-S(timp) şi o variabilă B-S(grup).
Saptamâna
Nr 0 1 2 3 4 Media
1 42 47 55 59 65 53,6
2 38 39 37 28 30 34,4
3 27 41 45 58 70 48,2
4 27 24 31 36 33 30,2
5 34 36 32 31 39 34.4
6 39 44 37 44 43 41,4
Etc …. …. ……. …… ….. …….
……… ….. …… …… …. …. …..
99 8 18 23 35 36 24,0
100 25 34 43 49 65 43,2
Media 34,06 36,97 40,48 43,48 47,30 40,46

Ab st. 14,57 13,74 14,94 17,45 22,04 14,39

Imaginea 11.1. Performanţele medii

la memorie.

Variabile Whithin-Subjects şi Between-Subjects

 Figura 11.1 ilustrează o variabilă W-S(timp) şi o variabilă B-S(grup). Există

două ipoteze de cercetare a priori:

20
 Metoda loci îmbunătăţeşte în timp memoria oamenilor în vârstă.;

 Rata de ameliorare va fi mai mare pentru artiştii vizuali decât pentru

participanţii în vârstă care nu sunt artişti vizuali.

Întrebări:

 Diferă scorurile (cresc) pe parcursul celor 5 evaluări?

 O examinarea mediilor din tabelul 11.1 sugerează că acestea sunt diferite

de la una la alta, însă nu se ştie dacă sunt statistic semnificative.

 Care este motivul pentru care nu se realizează un simplu ANOVA ONE WAY
pentru a testa dacă mediile pentru fiecare punct diferă?

Sunt două răspunsuri la această întrebare.

1. ANOVA One Way presupune că observaţiile sunt independente . Asumpţia

este violată din cauza faptului că fiecare participant la studiu contribuie
mai mult decât cu un scor corect la setul de date.

2. A doua raţiune constă în faptul că One way ignoră informaţia utilă setul de
date, anume diferenţele sistematice între indivizi, cum arată coloana cea
mai din dreapta. Aceste diferenţe între indivizi în scorurile lor medii sunt
contate ca „erori” în One way ANOVA. Se poate asuma faptul că diferenţele
de scoruri nu sunt simple erori întâmplătoare, mai degrabă ele se produc
ca un rezultat al faptului că unii oameni au o memorie mai bună decât
alţii. O cale de a acomoda violarea stării de independenţă şi prezenţa de
diferenţe individuale în scorurile memoriei este de a folosi persoana ca o
variabilă independentă de-a lungul timpului. A face aceasta , înseamnă că
„persoana „ este considerată un efect întâmplător şi timpul un efect fixat.
Efectele întâmplătoare sunt cele în care nivelurile variabilei sunt selectate
la întâmplare dintr-o populaţie de niveluri. În cazul metodei de studiu loci,
cei 100 de participanţi pot fi gândiţi ca selectaţi întâmplător dintr-o
populaţie de oameni în vârstă.

Modelul

 Pe această cale, 100 de participanţi reprezintă fiecare 100 de niveluri ale

factorului întâmplător, persoana. Timpul este considerat un efect fix, din
cauza faptului că experimentatorul are 5 puncte temporale pentru scopul
acestui studiu. Dacă se pune problema replicării acestui studiu, se vor
folosi aceleaşi puncte temporale pentru evaluare(din cauză că timpul este
fixat) însă se vor folosi diferite eşantioane întâmplătoare de participanţi(din
cauză că persoana este aleatorie). Modelul final ANOVA este cunoscut ca
un model fix, din cauza faptului că el conţine o combinaţie de factori fixaţi
şi factori aleatori
21
Calcularea testului statistic. Pentru a determina dacă mediile pentru fiecare
nivel de timp diferă, s-a folosit un test F omnibuz(sau global) pentru a evalua
H0 (după care mediile populaţiei nu diferă pe parcursul celor 5 puncte
temporale). Testul F poate fi considerat şi prin raportare la varianţă.
Varianţele sunt măsurători ale diferenţelor între scoruri, şi cercetătorii sunt
interesaţi în explicarea acestor diferenţe. Exemplu: cineva poate să se întrebe
dacă toate scorurile corecte în setul de date al metodei loci nu sunt aceleaşi. O
posibilitate : există diferenţe între scorurile corecte din cauza faptului că există
diferenţe între scorurile medii pentru fiecare din punctele temporale. Se
determină dacă varianţa explicată prin factorul timp este semnificativ mai
mare decât 0. Aceasta este însoţită prin compararea varianţei care este
datorată efectului cu varianţa care este datorată erorii. În cazul măsurărilor
repetate ANOVA, testul F pentru efectul timp este bazat pe următorul raport
de varianţe: efectul timp/(persoana x interacţiunea). Acest raport capătă
sens intuitiv dacă se consideră să aibă un total de varianţă semnificativ care
este datorat interacţiunii persoană x timp.

Interacţiunea specifică că diferenţa între cele 5 puncte temporale poate să

varieze în dependenţă de fiecare persoană.

Ex: scorul persoanei 1 pare să crească în timp, în timp ce scorul persoanei 2

pare să descrească. Deci diferenţele între punctele de timp sunt diferite pentru
persoana 1 şi persoana 2. În alte cuvinte , interacţiunea persoană x timp
evaluează inconsistenţe în efectul timp între oameni. Ideal, concluziile despre
efectul timpului ar trebui să fie acelaşi pentru toţi subiecţii aflaţi sub studiu.
În consecinţă, dacă creşterea varianţei care este datorată interacţiunii
persoană x timp depinde mult de varianţa care este datorată efectului timp,
cineva poate conchide că există prea multă variaţie de la persoană la persoană
pentru a face inferenţe semnificative despre diferenţele mediilor de grup
pentru cele cinci puncte temporale. Nu este cazul pentru aceste date din cauza
faptului că testul pentru efectul timpului dă următoarea ecuaţie:

 F(4,496) = 28,77, p<.0001. Va fi respinsă ipoteza de nul a lipsei de diferenţă

între mediile de grup de-a lungul timpului

Mărimea efectului

Testele de semnificaţie ne spun dacă varianţa în variabile dependentă

explicată prin variabila independentă este semnificativ diferită de 0.
Important: cât de multă varianţă este explicată? În limbaj statistic, acesta este
un exemplu de puterea efectului . Există două tipuri de mărime a efectului:
brut(sau nestandardizat) şi standardizat

22
Nestandardizat: mărimea efectului este exprimată ca cea mai mare diferenţă
între unele dintre medii. În exemplul nostru, ar fi diferenţa între timpul
4(47,30) şi mărimea de pornire (34,06), care este 13,24 Acesta este efectul
brut sau nestandardizat din cauză că el este exprimat în metrica originală a
variabilei dependente, scorul adevărat la memorie. Aceste scoruri sunt
procentaje, aşa încât efectul detectat corespunde la 13,24 puncte percentile pe
măsură. Similar poate fi ştiut că efectul este egal la 100 x (13,24/34,06 =
39%.

Mărimea efectului

Mărimea efectului brut este folositoare când variabila dependentă este

măsurată pe o metrică binecunoscută ca punctele percentile, scoruri T,
scoruri z

Calcul pentru mărimea standardizată a efectului. Repere:

 0,01 – valoarea mică;

 0,09 – Valoare medie;

 0,25 – Valoare mare.

ddl1 F 4×28, 77
η2 = = =0 ,22485
ddl 1 F+ddl2 ( 4×28,77 )+396

Semnificaţie eta pătrat

 Cohen: 23% din variabilitatea scorurilor memoriei au fost legate în

variabilitatea în timpii de măsurări. Efectul poate fi considerat relativ mare.

 Teste de continuare

  Respingând ipoteza de nul, următorul pas este de a determina care medii

sunt semnificativ diferite una de alta. Ca în ANOVA tradiţională, există două
categorii de teste de continuare:

 Comparaţii post-hoc între medii;

 Contraste a priori

Teste post-hoc

 Dacă un cercetător nu are o aşteptare specifică a priori privind diferenţele

între mediile individuale, atunci o analiză post hoc va fi realizată pentru a
compara toate perechile de medii. În metoda loci, cele 5 puncte temporale
produc k(k-1)/2 =5(5-1)/2=10 comparaţii unice între medii, unde k este
numărul de niveluri ale variabilei W-S. Interpretarea testele multiple de

23
 semnificaţie statistică crește şansele erorii de tip 1(uneori numită „inflaţie
alfa” . Fiecare procedură post-hoc controlează erorile de tip I.

Teste de contrast.

Prima ipoteză: memoria se va îmbunătăţi în timp în urma aplicării metodei

loci. Aceasta este cunoscută ca o ipoteză a priori din cauza faptului că
cercetătorul prezice un pattern particular al mediilor înainte de a realiza
analiza. Aşa cum este declarată, ipoteza este ambiguă. Prezice că media
scorurilor adevărate va în creştere peste timp, însă nu specifică cum aceasta
va creşte(exemplu: în linie dreaptă, în linie curbă sau o creştere ”bruscă”. Din
punct de vedere tehnic, dacă pattern-urile mediilor sunt aşteptate să crească,
ni se spune că mediile sunt în creştere monotonă funcţie de timp(creştere
monotonă). Pentru a testa a priori ipotezele, cercetătorii folosesc contraste
planificate. Concentrare pe două contraste folosite în mod comun pentru date
cu măsurări repetate: repetate şi polinomiale.

Un contrast repetat compară fiecare nivel al variabilei W-S cu nivelul

adiacent(învecinat). Metoda loci: aceasta va determina o examinare a
diferenţelor între nivelul de bază şi T1, T1 şi T2, T2 şi T3, T3 şi T4. Numărul
maxim de contraste pe care cineva la va putea examina este de data aceasta
k-1, unde k este numărul de niveluri al variabilei W-S.

Contrastul polinomial

Un contrast polinomial, numit şi „analiză de tendinţă”, este realizat pentru a

determina forma relaţiilor dintre nivelurile variabile W-S. Pentru variabila W-S
cu k niveluri, sunt realizate k-1 contraste. Primul reprezintă o relaţie
liniară(linie dreaptă) printre niveluri, al doilea reprezintă o relaţie
pătratică(model U sau o parabolă: variabila W-S la puterea a doua), al treilea o
relaţie cubică(model S: variabila W-S la puterea a treia) ş.a.m.d. Specificăm
faptul că modelul de curbă polinomială poate fi determinat prin observarea
puterii la care este ridicată variabila. Numărul minus 1 ne spune cât de multe
„coturi”(înclinaţii, îndoituri) există în curbă. Deci timpul 2 este reprezentat
printr-o curbă cu 2-1 = 1 coturi(la modelul U) şi timp 3 este reprezentat printr-o
curbă cu 3-1=2 curbe(la modelul S).

Contraste polinomiale

În metoda loci există k-1=4 contraste polinomiale pentru timp. Această medie
care este posibilă pentru a testa pentru un efect al timpului, un efect
pătratic(timp2) un efect cubic(timp3) şi un efect quartic(timp4) Un test F separat
este folosit pentru fiecare polinomial pentru a determina dacă fiecare trend
particular(liniar, pătratic, cubic) explică o creştere semnificativă a varianţei în
variabila dependentă. Pentru metoda datelor loci, doar primul termen

24
polinomial corespunzând efectului liniar al timpului este semnificativ. F(1,99)
= 30,96, p<.001, η2 = .24. Deci, se poate trage concluzia că scorurile la
memorie a adulţilor bătrâni s-au îmbunătăţit în timp şi că forma acestei
îmbunătăţiri este o creştere liniară în timp.

Asumpţii. ANOVA cu măsurări repetate are aceleaşi asumpţii de bază ca

ANOVA standard cu o mică deformare. Independenţa observaţiilor cere ca
fiecare scor al participanţilor să nu fie influenţat de către alte scoruri ale
participanţilor.. Ex: În studiul care examinează efectul unei intervenţii
educaţionale folosind grupuri de către 8-10 studenţi, performanţa fiecărui
copil particular în grup poate fi influenţată de către ceilalţi copii din acel grup.
În consecinţă, observaţiile nu sunt independente unele de altele. Această
asumpţie nu poate fi violată sau în caz contrar testele F nu vor furniza
estimări corecte ale măsurării erorii de tip I.(valorile p).

Normalitatea cere ca distribuţia variabilei dependente în populaţie să fie

normală. În cazul ANOVA cu măsurări repetate, aceasta consideră ca valorile
variabilei dependente la fiecare nivel al variabilei W-S sunt normal distribuite
în populaţie. Când o variabilă B-S precum tratamentul de grup este cerută,
VD trebuie să fie normal distribuită în populaţie pentru fiecare grup la fel. În
general vorbind, ANOVA cu măsurători repetate este considerată robustă la
violările asumpţiei normalităţii. Mediile sunt semnificativ distorsionate doar
când distribuţia datelor este o deviaţie extremă de la normal. În schimb,
cercetătorul poate să opteze de a transforma datele pentru a face distribuţia
mai normală, sau el poate să aleagă o analiză non-parametrică care testează

Omogenitatea varianţelor Tehnic, asumpţia este cunoscută ca sfericitate şi

descrie o formă a relaţiei între scoruri la toate nivele variabilei W-S. Cerinţe:

Varianţele măsurătorilor la fiecare nivel al factorului repetat sunt egale;

Covarianţele, şi în consecinţă corelaţiile, între măsurări şi fiecare nivel

al factorului repetat sunt de asemenea egale.

Pentru studiul cu metoda loci, s-ar putea considera că varianţele scorurilor

corecte la bază şi săptămânile 1-4 trebuie să fie egale şi că valoarea
corelaţiilor între scorurile oamenilor la fiecare două puncte de timp trebuie să
fie egale. Când există doar două nivele ale variabilei W-S, asumpţia de
sfericitate este în dificultate deoarece există doar un termen de covarianţă.

Într-un design factorial cu măsurători repetate care include variabile B-S cum
ar fi grupul, o cerinţă adiţională este ca varianţele şi covarianţele măsurărilor
repetate trebuie să fie aceleaşi pentru fiecare grup. Această asumpţie,
cunoscută ca matrice de omogenitate a covarianţelor poate fi testată folosind
testul M a lui Box. Dacă variabila dependentă nu este normal distribuită, cu

25
toate acestea, M-ul lui Box tinde de a indica faptul că matricele de covariaţie
sunt diferite, când de fapt acestea nu sunt. Combinarea asumpţiilor de
sfericitate şi omogenitate a matricei covarianţelor este cunoscută sub numele
de multisample sphericity.

Sfericitatea. Când asumpţia de sfericitate nu este întâlnită, testul F este

distorsionat în direcţia indicării diferenţelor semnificative când ele nu apar în
realitate. Din această raţiune, cercetătorii evaluează adesea gradul de
sfericitate cu o valoare denumită „epsilon”(ε 2). Un ε de 1,0 indică faptul că
sfericitatea este întâlnită, şi o valoare de a lui ε = 1/k-1) indică cea mai rea
violare posibilă a sfericităţii, unde k este numărul de niveluri pentru variabila
W-S. Există două moduri de calculare a lui ε: estimatorul Greenhouse-
Geisser(1959) şi estimatorul Huynh-Feldt(1976). Primul o subestimează, al
doilea o supraestimează.În exemplul nostru, aceştia sunt foarte compacţi G-
G=.290 şi H.F=.291. Aceste valori sugerează o depărtare semnificativă de
sfericitate.

Autorii de articole ştiinţifice în revistele ştiinţifice raportează rar valoarea lui ε,

şi puţini indică metoda de a o calcula. Cel mai rău posibil ε cu trei niveluri
este .50 şi pentru şase niveluri cu .20. Astfel, ce este o valoare „suficient de
bună” a lui ε pentru a indica faptul că asumpţia sfericităţii nu este
neîndoielnic violată? Pare să fie un consens între cercetători că ε>.90 este
destul de sigură.

Testele F ajustate

 Două opţiuni când sfericitatea pare să fie violată. Una este de a folosi
Măsurări repetate MANOVA, În cazul în care violarea sfericităţii nu este prea
extremă (ε între .75 şi.90, un test F ajustat poate să fie folosit cu un cadru de
model mixt. Testul ajustat este obţinut prin multiplicarea gradelor de libertate
de la numitor şi numărător prin ε făcând posibil de a obţine o valoare F mai
mare cu semnificaţie extinsă(când sfericitatea nu este întâlnită, atunci
valoarea lui F este distorsionată, în sensul de a fi mai mare decât cea
calculată. Fiecare din cele două formule poate fi folosită, rezultând o ajustare
mai conservativă sau mai liberală. În 1996, Stevens recomandă efectuarea
mediei între cele două estimări a lui ε, folosind corect df. În metoda modelului
loci, gradele de libertate pentru testul F(4,396) vor fi ajustate la(1.16,114,80)
folosind GG şi (1,16, 115,31 folosind HF. În ambele cazuri se obţine un F de
28,76 care este înalt semnificativ, p<.0001.

Sfericitate şi contrast
Ca şi cu testul F general pentru efectul W-S, analiza de contrast a priori şi
post hoc este vulnerabilă la violarea asumpţiei de sfericitate. Validitatea valorii
p obţinută din analizele de contrast este mai dependentă de asumpţia de
26
 sfericitate decât testul global F. Cel mai important lucru de cunoscut este că
atunci când sfericitatea nu este întâlnită, acest test statistic poate fi
distorsionat în direcţia indicării rezultatelor semnificative care nu sunt de fapt
semnificative.

ANOVA factorială

Exemplificare cercetare: Un cercetător vrea să cerceteze dacă anxietatea faţă

de testare este influenţată de tipul de temperament, de stima de sine şi de
interacţiunea dintre aceste două variabile independente:Nivelurile variabilelor
independente vor fi:

Stima de sine: 1 – stimă de sine scăzută; 2 – stimă de sine ridicată;

Tip temperamental: 1- introvertit; 2 –ambivert 3 - extravertit;

Variabila dependentă: anxietatea faţă de examen determinată cu testul TAI al

lui Spielberger

Design-ul cercetării

Introvertit Ambivert Extravertit

Stimă de sine G1 G3 G5
scăzută
Stimă de sine G2 G4 G6
ridicată

temp

1,00 2,00 3,00 Total

stima 1,00 15 20 20 55

2,00 29 19 17 65

27
 Total 44 39 37 120

Redare rezultat

F df1 df2 Sig.

,682 5 114 ,638

Interpretare ANOVA factoriala

Interpretare:tipul de temperament influenţează în mod diferit anxietatea faţă

de examinare în funcţie de nivelul stimei de sine

Există două direcţii generale de analiză a efectelor de interacţiune:

• Analiza efectelor simple;

• Analiza contrastelor de interacţiune

Prin acest demers analizăm influenţa unei VI în fiecare din condiţiile alte VI.
Designul experimental este de tipul 3x2 şi avem şase grupuri
experimentale(G1 – G6) şi şase medii(M1 – M6)

• Analiza efectelor simple ale VI tip temperamental în fiecare din cele două
condiţii ale variabilei independente stimei de sine(scăzută- ridicată):

1. Efectul simplu al tipului de temperament în condiţii de stimă de sine

scăzută(verificăm dacă există diferenţe între mediile M1, M3, M5;

2. Efectul simplu al timpului de temperament în condiţii de stimă de

sine ridicatăM2, M4 şi M6

28
• Analiza efectelor simple ale VI stimă de sine scăzută - stimă de sine ridicată
în cele trei condiţii ale VI tip de temperament

1. Efectul simplu al stimei de sine în condiţia introvertit(compararea

mediilor M1 şi M2);

2. Efectul simplu al stimei de sine în condiţie de ambivert(compararea

mediilor M3 şi M4);

3. Efectul simplu al stimei de sine în condiţie de extravert(compararea

mediilor M5 şi M6);

• Se recomandă analiza efectelor simple corespunzătoare doar uneia dintre

VI , şi nu ambelor VI, deoarece informaţiile obţinute ar fi redundante

29