Калькулятор ANOVA повторных измерений - F-статистика и размер эффекта
Продвинутые статистические тесты
Введите данные ниже. Каждая строка представляет одного испытуемого, а каждый столбец — отдельное условие или момент времени. Значения можно разделять запятыми, пробелами или табуляцией.
Калькулятор ANOVA повторных измерений - F-статистика и размер эффекта
Продвинутые статистические тесты
Каждая строка = один испытуемый; каждый столбец = одно условие. Пример: 8,9,7 в одной строке.
О калькуляторе ANOVA повторных измерений
ANOVA повторных измерений (дисперсионный анализ) — это статистический метод, который применяют, когда одних и тех же испытуемых измеряют в нескольких условиях или в разные моменты времени. В отличие от межгруппового ANOVA, дизайн повторных измерений контролирует индивидуальные различия, рассматривая каждого испытуемого как собственный контроль, что существенно повышает статистическую мощность.
Этот калькулятор выполняет однофакторный ANOVA повторных измерений. Дизайн включает один внутрисубъектный фактор (условие или время) с k уровнями, измеренный на n испытуемых. Общая дисперсия данных разбивается на три компонента: дисперсию, обусловленную различиями между условиями (интересующий фактор), дисперсию, обусловленную индивидуальными различиями между испытуемыми, и остаточную дисперсию ошибки.
F-статистика вычисляется как отношение среднего квадрата между условиями (MSbetween) к среднему квадрату ошибки (MSerror). Большое значение F по сравнению с критическим значением из распределения F (при dfbetween = k−1 и dferror = (n−1)(k−1) степенях свободы) указывает на то, что как минимум одно среднее условие значительно отличается от остальных.
Размер эффекта измеряется с помощью η² (эта-квадрат), который равен SS_between, делённому на SS_total. Значение η² = 0.01 считается малым эффектом, 0.06 — средним, а 0.14 и выше — большим, согласно рекомендациям Коэна. В публикациях часто указывают частичный η², поскольку он показывает долю дисперсии, объяснённую интересующим фактором.
Калькулятор предполагает сферичность — равенство дисперсий разностей между всеми парами условий. При нарушении этого предположения (что выявляется тестом Мокли) исследователи обычно применяют поправки Greenhouse-Geisser или Huynh-Feldt для корректировки степеней свободы. Для разведочного анализа и быстрой проверки некорректированные значения F и η², рассчитанные здесь, служат хорошей отправной точкой.
Инструмент предназначен для учебных и предварительных расчётов. Для результатов, пригодных к публикации, особенно при сложных дизайнах или подозрении на нарушение сферичности, используйте специализированное ПО, такое как SPSS, R (с пакетом ez) или Python (с pingouin).
Примеры ANOVA повторных измерений
Эти примеры показывают, как интерпретировать результаты ANOVA повторных измерений.
| Данные (строки=испытуемые) | F-статистика | Интерпретация |
|---|---|---|
| 8,9,7 / 10,11,9 / 6,8,5 (3 испытуемых × 3 условия) | F ≈ 37.4, η² ≈ 0.28 | Сильный эффект условий |
| 4,7,6,9 / 3,5,4,8 / 6,8,9,11 / 2,5,3,7 (4 × 4) | F ≈ 50.7, η² ≈ 0.53 | Большой размер эффекта |
| 3,5,4,7 / 2,4,6,5 / 5,7,3,9 (3 × 4, нерегулярный шаблон) | F ≈ 2.84, η² ≈ 0.50 | F незначим, η² умеренный |
Как пользоваться этим калькулятором
- Введите данные так, чтобы каждая строка соответствовала одному испытуемому, а каждый столбец — одному условию или моменту времени.
- Разделяйте значения в строке запятыми, пробелами или табуляцией; для каждого испытуемого используйте новую строку.
- Нажмите «Рассчитать», чтобы выполнить однофакторный ANOVA повторных измерений.
- Просмотрите ANOVA-таблицу с SS, df, MS и F-статистикой для каждого источника вариации.
- Проверьте значение η², чтобы оценить практическую значимость эффекта условий.
Часто задаваемые вопросы
Когда нужно использовать ANOVA повторных измерений вместо однофакторного ANOVA?
Используйте ANOVA повторных измерений, когда одни и те же испытуемые измеряются во всех условиях. Он более мощный, чем межгрупповой ANOVA, потому что исключает дисперсию индивидуальных различий из ошибки, что облегчает обнаружение реальных эффектов условий при меньшем числе участников.
Что такое предположение о сферичности?
Сферичность требует, чтобы дисперсии разностей между всеми парами условий были равны. Нарушение этого предположения увеличивает вероятность ошибки первого рода. Тест Мокли проверяет это предположение. При нарушении применяют поправки Greenhouse-Geisser или Huynh-Feldt к степеням свободы.
Что показывает η² (эта-квадрат)?
Эта-квадрат показывает долю общей дисперсии, объясняемую внутрисубъектным фактором. Значения 0.01, 0.06 и 0.14 обычно считают малыми, средними и большими эффектами соответственно. Это легко интерпретируемый размер эффекта для ANOVA.
Сколько испытуемых нужно для ANOVA повторных измерений?
Обычно рекомендуют минимум 5–10 испытуемых для достаточной статистической мощности, хотя правильный подход — формальный анализ мощности на основе ожидаемого размера эффекта и желаемой мощности (обычно 0.80). При малом ожидаемом эффекте требуется больше испытуемых.
Что делать, если данные нарушают сферичность?
Примените поправку Greenhouse-Geisser (ε), чтобы скорректировать степени свободы и сделать F-тест более консервативным. Когда ε близко к 1, сферичность примерно соблюдается. При серьёзном нарушении (ε < 0.75) предпочтительна поправка Greenhouse-Geisser.
Можно ли использовать этот калькулятор для двухфакторного дизайна повторных измерений?
Нет, этот калькулятор работает только с однофакторным ANOVA повторных измерений (один внутрисубъектный фактор). Для двухфакторных дизайнов с двумя внутрисубъектными факторами или смешанных дизайнов с внутрисубъектными и межсубъектными факторами нужны специализированные программы, такие как R, SPSS или библиотека pingouin для Python.