Differences

This shows you the differences between two versions of the page.

--- anova_note [2025/09/25 08:31] – [output] hkimscil
+++ anova_note [2025/09/25 08:32] (current) – [with more than 3 levels] hkimscil
@@ Line 533: / Line 533: @@
 {{:pasted:20250918-210425.png}}
 {{:pasted:20250918-210512.png}}
+===== output =====
+<code>
+> #
+> # ANOVA test with 4 levels in IV
+> #
+> rm(list=ls())
+> rnorm2 <- function(n,mean,sd){ mean+sd*scale(rnorm(n)) }
+> ss <- function(x) {
++     sum((x-mean(x))^2)
++ }
+>
+> set.seed(11)
+> n <- 31
+> na <- nb <- nc <- nd <- n
+> mean.a <- 98
+> mean.b <- 99
+> mean.c <- 102
+> mean.d <- 103
+>
+> A <- rnorm2(na, mean.a, sqrt(900/(na-1)))
+> B <- rnorm2(nb, mean.b, sqrt(900/(nb-1)))
+> C <- rnorm2(nc, mean.c, sqrt(900/(nc-1)))
+> D <- rnorm2(nd, mean.d, sqrt(900/(nd-1)))
+> ss(A)
+[1] 900
+> var(A)
+     [,1]
+[1,]   30
+>
+> # A combined group with group A and B
+> # We call it group total
+> # we can obtain its mean, variance, ss, df, etc.
+> #
+> comb <- data.frame(A, B, C, D)
+> dat <- stack(comb)
+> head(dat)
+     values ind
+  96.21237   A
+100.86294   A
+  89.24341   A
+  90.40224   A
+109.53642   A
+  93.62876   A
+> colnames(dat)[1] <- "values"
+> colnames(dat)[2] <- "group"
+> head(dat)
+     values group
+  96.21237     A
+100.86294     A
+  89.24341     A
+  90.40224     A
+109.53642     A
+  93.62876     A
+>
+> m.tot <- mean(dat$values)
+> m.a <- mean(A)
+> m.b <- mean(B)
+> m.c <- mean(C)
+> m.d <- mean(D)
+>
+> # 그룹 간의 차이에서 나타나는 분산
+> # 수업시간에 설명을 잘 들을 것
+> min.x <- min(dat$values)
+> max.x <- max(dat$values)
+> br <- seq(floor(min.x), ceiling(max.x), by = 1)
+> # Example bin width of 1
+>
+>
+> hist(A, breaks=br,
++      xlim = c(min.x-5, max.x+5), col=rgb(1,1,1,0.5),
++      main = "Histogram of 4 groups")
+> hist(B, breaks=br, add=T, col=rgb(1,1,0,.5))
+> hist(C, breaks=br, add=T, col=rgb(1,.5,1,.5))
+> hist(D, breaks=br, add=T, col=rgb(.5,1,1,.5))
+>
+> abline(v = m.tot, lty=2, lwd=3, col="black")
+> abline(v = m.a, lty=2, lwd=3, col="blue")
+> abline(v = m.b, lty=2, lwd=3, col="green")
+> abline(v = m.c, lty=2, lwd=3, col="red")
+> abline(v = m.d, lty=2, lwd=3, col="purple")
+>
+> # variance를 ms라고 부르기도 한다
+> var.tot <- var(dat$values)
+> ms.tot <- var.tot
+>
+> ss.tot <- ss(dat$values)
+> # mean.total 에서 그룹a의 평균까지의 차이를 구한 후
+> # 이를 제곱하여 그룹 A 멤버의 숫자만큼 더한다 =
+> # 즉, SS를 구하는 방법.
+> # 전체평균에서 그룹평균을 뺀 것의 제곱을
+> # 그룹 구성원 숫자만큼 더하는 것
+> # 그리고 이들을 다시 모두 더하여
+> # ss.between에 저장
+> bet.ta <- (m.tot - m.a)^2 * length(A)
+> bet.tb <- (m.tot - m.b)^2 * length(B)
+> bet.tc <- (m.tot - m.c)^2 * length(C)
+> bet.td <- (m.tot - m.d)^2 * length(D)
+> ss.bet <- bet.ta +
++     bet.tb +
++     bet.tc +
++     bet.td
+>
+> ss.a <- ss(A)
+> ss.b <- ss(B)
+> ss.c <- ss(C)
+> ss.d <- ss(D)
+> ss.wit <- ss.a+ss.b+ss.c+ss.c
+>
+> ss.tot
+[1] 4127
+> ss.bet
+[1] 527
+> ss.wit
+[1] 3600
+> ss.bet+ss.wit
+[1] 4127
+>
+> df.tot <- length(dat$values) - 1
+> df.bet <- nlevels(dat$group) - 1
+> df.wit <- (length(A)-1) +
++     (length(B)-1) +
++     (length(C)-1) +
++     (length(D)-1)
+> df.tot
+[1] 123
+> df.bet
+[1] 3
+> df.wit
+[1] 120
+>
+> ms.tot <- ss.tot / df.tot
+> ms.bet <- ss.bet / df.bet
+> ms.wit <- ss.wit / df.wit
+>
+> # ms.between은 그룹의 차이때문에 생긴
+> # 분산으로 IV 혹은 treatment 때문에 생기는
+> # 차이에 기인하는 분산이고
+>
+> # ms.within은 각 그룹 내부에서 일어나는 분산이므로
+> # (variation이므로) 연구자의 관심사와는 상관이 없이
+> # 나타나는 random한 분산이라고 하면
+>
+> # t test 때와 마찬가지로
+> # 그룹의 차이 / 랜덤 차이를 (에러 -> 분산은 에러라고도 했다)
+> # 구해볼 수 있다.
+>
+> # 즉, 그룹갑분산은 사실 = diff (between groups)
+> # 그리고 그룹내 분산은 사실 = re
+> # 따라서 우리는 위 둘 간의 비율을 t test와 같이
+> # 살펴볼 수 있다
+> # 이것을 f.calculated 이라고 하고
+>
+> f.cal <- ms.bet / ms.wit
+> f.cal
+[1] 5.855556
+>
+> # 컴퓨터 계산이 쉬워지기 전에는 아래처럼 0.5 level
+> # 에서의 f값을 구한 후 이것과 계산된 f값을 비교해봤었다.
+> qf(.05, df1 = df.bet, df2 = df.wit, lower.tail = FALSE)
+[1] 2.680168
+> f.cal
+[1] 5.855556
+> # 위에서 f.calculated > qf값이므로
+> # f.calculated 값으로 영가설을 부정하고
+> # 연구가설을 채택하면 판단이 잘못일 확률이
+> # 0.05보다 작다는 것을 안다.
+> # 그러나 컴퓨터계산이 용이해지고서는 qf대신에
+> # pf를 써서 f.cal 값에 해당하는 prob. level을
+> # 알아본다.
+>
+> # percentage of f distribution with
+> # df1 and df2 option
+> # 이는 그림의 왼쪽을 나타내므로
+> # 차이가 점점 커지게 되는 오른쪽을
+> # 계산하기 위해서는 1-x를 취한다
+>
+> p.val <- pf(f.cal, df.bet, df.wit, lower.tail=F)
+> p.val
+[1] 0.0009119191
+>
+> f.dat <- aov(dat$values~dat$group, data=dat)
+> summary(f.dat)
+             Df Sum Sq Mean Sq F value   Pr(>F)
+dat$group     3    527   175.7   5.856 0.000912 ***
+Residuals   120   3600    30.0
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+>
+> # graph 로 이해
+> x <- rf(50000, df1 = df.bet, df2 = df.wit)
+> y.max <- max(df(x, df1=df.bet, df2=df.wit))
+>
+> hist(x,
++      breaks = "Scott",
++      freq = FALSE,
++      xlim = c(0, f.cal + 1),
++      ylim = c(0, y.max + .3),
++      xlab = "",
++      main = paste("Histogram for a F-distribution with
++              df1 = ", df.bet,
++                   ", df2 = ", df.wit,
++                   ", F cal = ", round(f.cal,3),
++                   ", p val = ", round(p.val,5)),
++      cex.main = 0.9)
+> curve(df(x, df1 = df.bet, df2 = df.wit),
++       from = 0, to = f.cal + 1, n = 5000,
++       col = "red", lwd = 2,
++       add = T)
+> abline(v=f.cal, col="blue", lwd=2, lty="dotted")
+>
+> f.cal
+[1] 5.855556
+> p.val
+[1] 0.0009119191
+> 1 - p.val
+[1] 0.9990881
+>
+> # Now check this
+> ss.tot
+[1] 4127
+> ss.bet
+[1] 527
+> ss.wit
+[1] 3600
+> ss.tot
+[1] 4127
+> ss.bet + ss.wit
+[1] 4127
+>
+> # 한편 df는
+> # df.total  30 - 1
+> df.tot
+[1] 123
+> df.bet
+[1] 3
+> df.wit
+[1] 120
+> df.tot
+[1] 123
+> df.bet + df.wit
+[1] 123
+>
+>
+>
+> ##################################################
+> a.res <- aov(values ~ group, data=dat)
+> a.res.sum <- summary(a.res)
+> a.res.sum
+             Df Sum Sq Mean Sq F value   Pr(>F)
+group         3    527   175.7   5.856 0.000912 ***
+Residuals   120   3600    30.0
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+> # 그러나 정확히 어떤 그룹에서 차이가 나는지는 판단해주지 않음
+> pairwise.t.test(dat$values, dat$group, p.adj = "none")
+	Pairwise comparisons using t tests with pooled SD
+data:  dat$values and dat$group
+  A       B       C
+B 0.47366 -       -
+C 0.00478 0.03305 -
+D 0.00047 0.00478 0.47366
+P value adjustment method: none
+> # OR
+> pairwise.t.test(dat$values, dat$group, p.adj = "bonf")
+	Pairwise comparisons using t tests with pooled SD
+data:  dat$values and dat$group
+  A      B      C
+B 1.0000 -      -
+C 0.0287 0.1983 -
+D 0.0028 0.0287 1.0000
+P value adjustment method: bonferroni
+> pairwise.t.test(dat$values, dat$group, p.adj = "holm")
+	Pairwise comparisons using t tests with pooled SD
+data:  dat$values and dat$group
+  A      B      C
+B 0.9473 -      -
+C 0.0239 0.0991 -
+D 0.0028 0.0239 0.9473
+P value adjustment method: holm
+>
+> # OR TukeyHSD(anova.output)
+> TukeyHSD(a.res)
+  Tukey multiple comparisons of means
+% family-wise confidence level
+Fit: aov(formula = values ~ group, data = dat)
+$group
+    diff        lwr      upr     p adj
+B-A    1 -2.6246725 4.624673 0.8894474
+C-A    4  0.3753275 7.624673 0.0243602
+D-A    5  1.3753275 8.624673 0.0026368
+C-B    3 -0.6246725 6.624673 0.1415754
+D-B    4  0.3753275 7.624673 0.0243602
+D-C    1 -2.6246725 4.624673 0.8894474
+>
+> boxplot(dat$values~dat$group)
+>
+> f.cal
+[1] 5.855556
+> p.val
+[1] 0.0009119191
+>
+> boxplot(dat$values~dat$group, main="values by group",
++         yaxt="n", xlab="value", horizontal=TRUE,
++         col=terrain.colors(4))
+> legend("topleft", inset=.05, title="group",
++        c("A","B","C", "D"), fill=terrain.colors(4), horiz=TRUE)
+> abline(v=mean(dat$values), col="red", lwd=2)
+>
+>
+> # how much IV explains the DV
+> # in terms of SS?
+> r.square <- ss.bet / ss.tot
+> eta  <- r.square
+> eta
+[1] 0.1276957
+> lm.res <- lm(dat$values~dat$group, data = dat)
+> summary(lm.res)
+Call:
+lm(formula = dat$values ~ dat$group, data = dat)
+Residuals:
+     Min       1Q   Median       3Q      Max
+-12.9462  -3.7708   0.0944   3.1225  13.2340
+Coefficients:
+            Estimate Std. Error t value Pr(>|t|)
+(Intercept)  98.0000     0.9837  99.620  < 2e-16 ***
+dat$groupB    1.0000     1.3912   0.719 0.473664
+dat$groupC    4.0000     1.3912   2.875 0.004779 **
+dat$groupD    5.0000     1.3912   3.594 0.000474 ***
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+Residual standard error: 5.477 on 120 degrees of freedom
+Multiple R-squared:  0.1277,	Adjusted R-squared:  0.1059
+F-statistic: 5.856 on 3 and 120 DF,  p-value: 0.0009119
+> summary(a.res)
+             Df Sum Sq Mean Sq F value   Pr(>F)
+group         3    527   175.7   5.856 0.000912 ***
+Residuals   120   3600    30.0
+---
+Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
+>
+>
+>
+</code>