변량분석 2

spss 돌릴때

 

 

a1 : x x x x x

 

a2 : x x x x x

 

a3 : x x x x x

 

 

 

독립변인   종속변인

 

1               값

1               값

1

1

1

2

2

2

2

2

2

3

3

3

3

3

3

 

 

분석  > 일반선형모형 > 일변량분석.

 

모수변인 <=> 독립변인

 

 

 

우울감 측정 <ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ> 우울감측정

 

                            치료

 

 

 

독립변인 : 치료시점, 두수준

 

종속변인 : 우울감

 

피험자 내 변인, 반복측정.

 

 

 

 

 

* 통계적 판단 : Yes or No

 

0.05 유의하다 ; 다른 분포에서 왔다 ; 대안가설 분포에서 왔다.

 

 

* 가설검증에서의 오류. (판단의 오류. 오차x)

 

 

type 1 error : 알파오류 = 1종오류

 

실제로 차이가 없으나 영가설 기각. 대안가설 채택

 

type 2 error : 베타오류 = 2종오류

 

실제로 차이가 있으나 영가설로 판단.

 

 

 

알파값은 정하는것. 베타는 측정되는것.

 

베타가 작을 수록 연구자 입장에선 happy.

 

 

알파값이 커지면 베타값은 내려감.

 

알파값이 내려가면 베타값은 올라감.

 

하지만 알파값은 정해지는것. 관행상 0.05

 

 

베타값을 줄이기 위해서는

 

1. 측정도구를 좋은것으로

 

2. 좋은 가설 설계

 

3. 표집을 많이.

 

 

* 민감도 = power = 베타오류가 작다.

 

1-베타 = 효과크기

 

 

 

* F rato의 문제점 : F의 크기는 표본의 크기가 증가할수록 커진다.

 

보정해주기 위한 것 : 효과의 크기 공식 오메가.

 

 

 

 

 

 

 

위의값이 0,1  : 작은 효과

 

0.6 : 중간효과

 

0.15이상 : 큰효과

 

 

단점 : 값이 너무 짜다.

 

 

 

1종 및 2종오류의 통제 :

 

집단간 변량은 클수록 좋고

 

집단 내 변량은 작을수록 좋다.

 

 

 

*오차 줄이는 방법

 

1. 집단 내 처치 변량 줄이기

 

2. 분석되지 않은 통제 요인 : 환경을 통일하는등으로 통제

 

3. 개인차 변량 감소 : 피험자 내 설계/동질적 참가자 모집. 일탈값 발생 안하게.

 

 

 

* Anova의 기본가정.

 

테이블의 f값은 sampling distribution에서 나온값.

 

그래서 랜덤하게 했을때 얻어진값인데 아래의 사항이 가정되어야함.

 

 

1. 독립성의 가정.

 

2인 1조 질의. 옆사람에게 영향받음. 독립성 x

 

익명성 비밀보장

 

 

2. 정규분포의 가정. 종속변인들이 정규분포해야한다.

 

 

3. 변량의 동질성 가정.

 

동분산성, t-test : 동분산 깨지면 아랫줄 읽는다.

 

조건간의 표준편차값이 비슷하면 된다.

 

 

두조건의 표준편차값이 3배이상 차이나면 동분산 깨짐.

 

 

 

* 세 가정을 고려하지 않아도 되는 경우

 

개인실험 (독립성 충족) 이고 사례수 12이상. 조건당 명수 똑같게.