60382_es-ES

liliconcom

Cómo comprobar los efectos de interacción en ANOVA

Hola,

Esta podría ser una pregunta de novato. Sin embargo: he realizado un experimento de 2x2x2 entre sujetos. Estoy ejecutando ANOVA para probar los efectos principales, pero también quiero probar los efectos de interacción. ¿Pero cómo hacer eso? Por ejemplo, ¿cuál es el efecto de interacción del tratamiento X e Y juntos y/o el efecto del género? Cualquier consejo sobre cómo resolver esto sería muy apreciado.   

Re: Cómo comprobar los efectos de interacción en ANOVA

Entonces, Mark y Peter son los expertos, así que aquí hay una respuesta menos compleja.

 

Utilice el modelo de ajuste, haga lo que dijo Mark.

En el cuadro de efectos del modelo de construcción tendrás

todos los efectos principales, todas las interacciones de dos vías y la interacción de tres vías, como esta

X1

X2

X3

X1*X2

X1*X3

X2*X3

X1*X2*X3

 

agregue su respuesta y haga clic en el botón ejecutar y busque esta tabla debajo de la barra de esquema de estimaciones de parámetros

Estimaciones de parámetros

Término	Estimar	Error estándar	relación t	Problema>|t|
Interceptar	0.0403779	.	.	.
X1[L1]	-0.240686	.	.	.
X2[L1]	-0.220783	.	.	.
X1[L1]*X2[L1]	0.1526094	.	.	.
X3[L1]	-0.182747	.	.	.
X1[L1]*X3[L1]	0.1110772	.	.	.
X2[L1]*X3[L1]	0.3757836	.	.	.
X1[L1]*X2[L1]*X3[L1]	0.2184517	.	.	.

 

 

X1[L1]*X2[L1]. es la interacción entre X1 y X2. el [L1] significa nivel uno. Obtuve esto porque mi 2x2x2 tenía variables categóricas (nominales) de dos niveles. Si hubiera usado variables numéricas continuas, entonces la tabla de estimaciones de parámetros se vería así:

Estimaciones de parámetros

 

Término	Estimar	Error estándar	relación t	Problema>|t|
Interceptar	-1.89227	1.155937	-1,64	0.3491
X1	0.4813715	0.436903	1.10	0.4692
X2	0.4415666	0.436903	1.01	0.4966
X3	0.3654941	0.436903	0,84	0.5565
(X1-1,5)*(X2-1,5)	0.6104377	0.873807	0,70	0.6118
(X1-1,5)*(X3-1,5)	0.4443089	0.873807	0,51	0.7005
(X2-1,5)*(X3-1,5)	1.5031345	0.873807	1,72	0.3352

 

Usé 1 o 2 para mis niveles, por lo que 1,5 es el medio. (tus datos deberían verse realmente diferentes)

(X1-1,5)*(X2-1,5). es la interacción X1, X2

 

Espero que esto ayude un poco.

-B

 

Re: Cómo comprobar los efectos de interacción en ANOVA

Para agregar a mi colega @Mark_Bailey El abogado. También recomiendo utilizar las herramientas para compartir y visualizar firmas de JMP en este espacio. Para presentar algunas visualizaciones sorprendentes si hay interacciones, recomiendo complementar todo el análisis que Mark sugiere con:

 

Desde la ventana del informe JMP, punto de acceso de respuesta, seleccione Perfilado de factores -> Gráficos de interacción y Perfilado de factores -> Generador de perfiles. El aspecto dinámico del exclusivo JMP Prediction Profiler es una excelente manera de mostrar efectos de interacción. Simplemente arrastre la barra deslizante de factores hacia la izquierda y hacia la derecha para cualquier factor que desempeñe un papel en una interacción de dos factores... y observe lo que sucede con el rastro de predicción del otro factor. Para las personas que no entienden las implicaciones prácticas de las interacciones, esto realmente puede ayudarles a expresar su punto.

 

Por último, el informe completo se puede guardar como un objeto HTML interactivo o un informe web. Luego, la interactividad dinámica se extiende al objeto HTML para Prediction Profiler... y cualquiera con un navegador web puede abrir el objeto y obtener algo de la apariencia de JMP con la interactividad dinámica de Prediction Profiler dentro del objeto HTML.

Re: Cómo comprobar los efectos de interacción en ANOVA

Como tiene tres factores y suponiendo que desea utilizar un modelo lineal, seleccione Analizar > Modelo de ajuste . Seleccione la columna con los datos de respuesta y haga clic Y . Seleccione las tres columnas con los niveles de los factores, haga clic macros y seleccione Factorial completo . ¡Eso es todo! También es posible que desee cambiar el Énfasis a Apalancamiento del efecto . Hacer clic Correr .

 

Examina el Pruebas de efectos informe de evidencia para decidir sobre los efectos principales y los efectos de interacción.