hoezo gebruik maken van ANOVA ipv een rij van t toetsen?
bij ANOVA kan gecontroleerd worden voor een algemene type 1 fout alpha
bij meerdere t toetsen bestaat voor ELK afzonderlijke toets een type 1 fout alpha
wat is de "multiple comparison error rate"?
multiple comparison error rate:
> de waarschijnlijkheid dat tenminste één interval van alle intervallen fout is
tuckey vs bonferroni, wat is conservativer? hoezo?
bonferroni is conservativer, dus de intervallen zijn groter
> probeert minimaal het alpha level te bereiken
> tuckey probeert in de buurt te komen van het alpha level
hoezo mag ne niet met een 1 in meerdere dummy variabelen coderen voor groepen?
dummyvariabelen sluiten elkaar uit
dus voor 4 groepen heb je 3 dummys nodig ipv 2
regressieanalyse met dummys om gemiddelden in te vergelijken
> waar staan de regressiecoefficienten voor?
de coefficienten staan voor het verschil in gemiddelden tussen "hun" groep en de groep die geen dummy heeft (dus het gemiddelde = intercept)
wanneer zijn alle partiele sum of squares bij elkaar opgeteld precies de model sum of squares?
hoezo?
in een experiment design met een gelijke aantal observaties in elke cel
> dan zijn de predictoren van elkaar onafhankelijk en er is geen overlap in verklaarde variantie
> bij observationele studies verklaren kan er wel overlap in verklaarde variantie zijn
herhaalde metingen ANOVA: wat is spericiteit?
voor alle paren groepen geldt: verschil tussen observaties tussen de twee groepen is een variabele, met een standaardafwijking
spericiteit: de standaardafwijking van deze variabele is gelijk voor alle paren van groepen
wat gebeurt er als de aaname van spericiteit geschonden is?
spericiteit geschonden: p waardes worden te klein
> reactie: Greenhouse Geisser adjustment > df wordt kleiner
eta²: wat is klein, gemiddelde en grote effect?
eta²:
klein: 0.01
gemiddeld: 0.06
groot: 0.14
hoezo gebruik maken van two way ANOVA ipv van one way ANOVA
1. betere verklaring van scores
2. wisselwerking tussen factoren onderzoeken
3. kosten (zelfde inspanning, meer effecten gemeten)
4. winst power: verminderen residuele variantie
wanneer is een design gebalanceerd?
gebalanceerd: predictoren zijn onafhankelijk
ongebalanceerd: predictoren zijn afhankelijk
wanneer is een F toets robust tegen afwijkingen in homogeniteit?
als de aantallen in cellen hoog en ongeveer gelijk
