Modelul Liniar General

MĂSURĂRI REPETATE
General Linear Model
 ‘Măsurări repetate’ este un termen utilizat când aceleași unități de înregistrare statistică participă la
toate condițiile unui experiment și furnizează date în momente diferite de timp.
 Exemplu: timpul necesar pentru digerarea a diferite alimente a 8 celebrități
Celebritate prânz prânz 2 prânz 3 prânz 4 media s2
1
1 8 7 1 6 5,5 9,67
2 9 5 2 5 5,25 8,25
3 6 2 3 8 4,75 7,58
4 5 3 1 9 4,50 11,67
5 8 4 5 8 6,25 4,25
6 7 5 6 7 6,25 0,92
7 10 2 7 2 5,25 15,58
8 12 6 8 1 6,75 20,92
Media 8,13 4,25 4,13 5,75
General Linear Model
PRESUPUNEREA SFERICITĂȚII

 Presupunerea sfericității poate fi asemănătoare cu presupunerea omogenității varianței între grupuri

ca și la ANOVA.
 Sfericitatea se referă la egalitatea varianțelor a diferențelor dintre nivelurile de tratament.
 Sfericitatea este o condiție mai generală a simetriei compuse.
 Simetria compusă este adevărată când varianțele în rezultatele condițiilor de tratament sunt egale
și covarianțele între perechile de condiții de tratament sunt egale.
General Linear Model
 CUM ESTE MĂSURATĂ SFERICITATEA?

Se calculează diferențele între diferitele perechi de valori înregistrate pentru fiecare participant și,
de asemenea, se calculează varianțele pentru fiecare set de diferențe.
Vedem că sfericitatea este îndeplinită când aceste varianțe sunt aproximativ egale.
VarianțaA–B ≈ VarianțaA–C ≈ VarianțaB–C
Sfericitatea poate fi evaluată folosind un test cunoscut sub numele de testul lui Mauchly, care
testează ipoteza că varianțele diferențelor dintre condiții sunt egale.
Dacă testul Mauchly este semnificativ (adică are probabilitatea asociată mai mică decât 0,05) putem
concluziona că sunt diferențe semnificative între varianțele diferențelor și, astfel, condiția sfericității
nu este îndeplinită (ne îngrijorăm cu privire la valorile rapoartelor F).
Dacă testul Mauchly nu este semnificativ (adică p>0.05) atunci este rezonabil să concluzionăm că
varianțele diferențelor nu sunt semnificativ diferite (sunt aproximativ egale)
General Linear Model
 Ce facem dacă ipoteza de sfericitate nu este îndeplinită?

 Sunt câteva corecții care pot fi aplicate pentru a obține o valoare validă a raportului F.
 1. Corecția Greenhouse–Geisser (în mod obișnuit notată cu ̂ ) variază între 1/(k−1), unde k este
numărul de condiții de măsuri repetate, și 1.
 Cu cât este mai apropiat ̂ de 1, cu atât sunt omogene varianțele diferențelor, și prin urmare datele
sunt mai aproape de a fi sfericehence. De exemplu, într-o situație în care sunt 5 condiții cea mai
mică valoare a lui ̂ va fi 1/(5-1) sau 0.25 (cunoscută ca limita inferioară a sfericității)

 2. Huynh și Feldt, propun o corecție mai puțin conservatoare correction (de obicei notată cu  ).
 3. Utilizarea unui alt test decât F: analiza multivariată a varianței, MANOVA sau analiza datelor cu
model multinivel.
General Linear Model
 CUM ESTE MĂSURATĂ SFERICITATEA?

 Tabelul 1. Date ipotetice pentru a ilustra calcularea varianțelor diferențelor dintre condiții

Condiția A Condiția B Condiția C A-B A-C B-C

10 12 8 -2 2 4
15 15 12 0 3 3
25 30 20 -5 5 10
35 30 28 5 7 2
30 27 20 3 10 7
Varianța 15,7 10,3 10.7
General Linear Model
 ANOVA unifactorială – măsurări repetate

Figura 1. Descompunerea varianței pentru ANOVA cu măsurări repetate ANOVA

General Linear Model
 3.Varianțele în ANOVA unifactorială cu măsurări repetate
 A. Suma totală a pătratelor SST
SST  s 2  N  1

SST  8,19  32  1  253,89

 B. Suma pătratelor în interiorul participanților SSW

SSW  s 2person1  n1  1  s 2person 2  n2  1  ...  s person

2
n  n
n  1

SSW  9,67  4  1  8, 25  4  1  7 ,58  4  1  11,67  4  1  4 ,25  4  1 

0 ,92  4  1  15,58  4  1  20 ,92  4  1
SSW  236.50
General Linear Model
 C. Suma pătatelor modelului SSM

SS M   nk  yk  y 
k 2

n 1

SS M  8  8,13  5,56   8  4, 25  5,56   8  4 ,13  5,56   8  5,75  5,56  

2 2 2 2

SS M  83,13

df M  4  1  3

SS R  SSW  SS M

SS  236
 R D. ,50 pătratelor
Suma 83,13 reziduurilor SSR

SS R  153,37
df R  dfW  df M  24  3  21
General Linear Model
 E. Media pătratelor

SS M 83,13
MS M    27 ,71
df M 3

SS R 153,37
MS R    7 ,30
df R 21

 F. Raportul F
MS M 27 ,71
F    3,79
MS R 7 ,30

G. Suma pătatelor între participanți(SSB)

SSb  SST  SSW  253,89  236,50  17 ,39

General Linear Model
 4.ANOVA unifactorială cu măsurări repetate
utilizând R

Aveți nevoie să încărcați aceste pachete prin

4.1 Pachetele din R executarea următoarelor comenzi:

Veți avea nevoie de următoarele pachete:  library(ez)

 ez (pentru ANOVA),  library(ggplot2)
 ggplot2 (pentru grafice),  library(multcomp)
 multcomp(pentru testele posthoc),  library(pastecs)
 pastecs (pentru statistica descriptivă), and  library(reshape2)
 reshape2 (pentru reașezarea datelor)  library(WRS2)
 WRS2 (pentru teste robuste).
General Linear Model
 Procedura generală pentru măsurări repetate

1.Introduceți/încărcați datele.
2. Explorați datele: estimați indicatorii statistici descriptivi și testați sfericitatea dacă nu este
utilizată funcția lme() – utilizată în estimarea modelelor multinivel.
3. Construiți sau alegeți contraste: este necesar să decideți ce contraste trebuie să utilizați și să le
specificați pentru toate variabilele independente din analiză.
4. Estimați ANOVA/modelul multinivel: trebuie să realizați analiza principală. În funcție de
rezultatele din pașii anteriori este posibil să aveți nevoie de teste robuste.
5. Calculați contrastele sau testele post hoc: după realizarea analizei principale se poate continua
cu testele post hoc sau cu rezultatele contrastelor. Metoda exactă aleasă depinde de rezultatele
obținute la punctul 2.
General Linear Model
attach(Repd)
Repd
longRepd=melt(Repd, id="participant", measured=c("m1","m2", "m3", "m4"))
names(longRepd)=c("participant", "meal", "time")
longRepd$meal=factor(longRepd$meal, labels=c("m1", "m2", "m3", "m4"))
longRepd
by(longRepd$time, longRepd$meal, stat.desc)
c1<-c(1,-1,-1,1)
c2<-c(0,-1,1,0)
c3<-c(-1,0,0,1)
contrasts<-cbind(c1,c2,c3)
contrasts
ModelA=ezANOVA(data=longRepd, dv=.(time), wid=.(participant), within=.(meal), detailed=TRUE,
type=3)
ModelA
General Linear Model
attach(Repd)
Repd
longRepd=melt(Repd, id="participant", measured=c("m1","m2", "m3", "m4"))
names(longRepd)=c("participant", "meal", "time")
longRepd$meal=factor(longRepd$meal, labels=c("m1", "m2", "m3", "m4"))
longRepd

Datele sunt transformate din formatul inițial într-un format lung, conform posibilităților de analiză din
R.
Cadrul nou de date conține o coloană cu persoana participantă, o coloană cu tipul de alimente pe care
le primesc la mesă și o coloană cu timpul necesar pentru a digera alimentele de la masa.
General Linear Model
 Datele în formatul inițial
General Linear Model
by(longRepd$time, longRepd$meal, stat.desc)
c1<-c(1,-1,-1,1)
c2<-c(0,-1,1,0)
c3<-c(-1,0,0,1)
contrasts<-cbind(c1,c2,c3)
contrasts
ModelA=ezANOVA(data=longRepd, dv=.(time), wid=.(participant), within=.(meal), detailed=TRUE,
type=3)
ModelA

Se estimează indicatorii statistici descriptivi pentru variabila timpul necesar pentru a digera alimentele
corespunzătoare fiecărei mese.
Sunt înregistrate contrastele necesare pentru a realiza comparațiile planificate și apoi acestea sunt
prezentate.
Se estimează modelul GLM - ANOVA cu măsurări repetate.
General Linear Model
 ModelA=ezANOVA(data=longRepd, dv=.(time), wid=.(participant), within=.(meal), detailed=TRUE,
type=3)

dv: variabila cantitativă ce reprezintă timpul de a digera alimentele de la diferite tipuri de mese
wid: variabila care identifică unitățile de înregistrare care participă la măsurări repetate determinate
de diferite mese. Aici este vorba de participant.
within: o variabilă (sau mai multe) predictor pentru care s-au efectuat măsurări repetate. In acest caz
este reprezentată de tipurile de masă (alimente servite la masa).
between: o variabilă (sau mai multe) predictor ce sunt înregistrate între grupuri (această opțiune nu
este utilizată în cazul măsurărilor repetate ci în cazul măsurărilor mixte)
detailed: vizează prezentarea detaliată a rezultatului în cazul în care opțiunea aleasă este TRUE
type: este tipul III de sumă de pătrate
General Linear Model
General Linear Model
General Linear Model
General Linear Model
 Interpretare:
 1. Deoarece probabilitatea asociată testului lui Mauchly este mai mică decât riscul asumat de 5%
condiția de respectare a sfericității nu este îndeplinită.
 Corecțiile prezentate sunt
- Greenhouse–Geisser (GGe) – 0,532 p value 0,062> 0,05 – metodă mai conservatoare
- Huynh și Feldt (HFe) – 0,665 p value 0,048 < 0,05
Limita inferioară a corecțiilor este 1/(4-1)=0,33
Limita superioară 1

Rezultatele sunt contradictorii.

Stevens (2002) recomandă o medie a celor două estimări pentru luarea deciziei.
General Linear Model