İki Yönlü ANOVA Nedir? Ana Etki ve Etkileşim

Basira Editör Ekibi · · 12 dk okuma · Bilimsel inceleme: Doç. Dr. Hasan Yıldırım

Aa Yazı boyutu
Yazı boyutu

Anahtar çıkarımlar

  • İki yönlü ANOVA, iki kategorik faktörün aralıklı ya da oranlı ölçekte ölçülen bir bağımlı değişken üzerindeki etkisini aynı modelde inceler ve üç F testi verir: iki ana etki ve bir etkileşim.
  • Etkileşim, bir faktörün etkisinin öteki faktörün düzeyine göre değişmesidir. Anlamlı bir etkileşim varken ana etkiler, özellikle etkileşim çaprazsa, tek başına yorumlanmaz; etkileşimin içi basit etkilerle açılır.
  • Hücre büyüklükleri eşit değilse Tip I, Tip II ve Tip III kareler toplamı ana etkiler için farklı hipotezleri sınar; tür veriye bakmadan seçilir ve raporda adıyla yazılır.
  • Tek yönlü desendeki Welch ANOVA'nın iki yönlü desende programların varsayılanı olmuş bir karşılığı yoktur. Eşit hücre büyüklükleri klasik F'yi varyans farklarına görece dayanıklı kılar; büyüklükler ve varyanslar birlikte farklıysa değişen varyansa dayanıklı (HC3) testler ve ayrı varyanslı karşılaştırmalar kullanılır.
  • Etki büyüklüğü olarak çoğunlukla kısmi η² raporlanır; desene bağlı olduğu için farklı desenlerden gelen sonuçları karşılaştırmada genelleştirilmiş η² daha uygundur.

İçindekiler

İçindekiler

İki yönlü ANOVA (iki yönlü varyans analizi), iki kategorik bağımsız değişkenin, yani iki faktörün, aralıklı ya da oranlı ölçekte ölçülen bir bağımlı değişken üzerindeki etkisini aynı modelde inceler. Her faktörün ana etkisini ve iki faktörün etkileşimini, yani bir faktörün etkisinin öteki faktörün düzeyine göre değişip değişmediğini, ayrı F testleriyle sınar.

Tek faktörlü karşılaştırmanın mantığı, F oranı ve Welch ANOVA tek yönlü varyans analizi yazısında anlatılır. Bu yazı o mantığı ikinci bir faktörle genişletir: ana etki ve etkileşim, basit etkiler, dengesiz desende kareler toplamı türleri ve varyanslar eşit olmadığında yapılabilecekler.

İki yönlü ANOVA nedir?

İki yönlü ANOVA, birbirinden bağımsız gruplarla kurulan iki faktörlü bir desende iki ana etkiyi ve etkileşimi tek modelde sınayan varyans analizidir.

Faktör, grupları tanımlayan kategorik değişkendir; her kategorisine düzey denir. İki faktörün bütün düzeyleri birbiriyle çaprazlanınca her düzey birleşimi bir hücre oluşturur. İki düzeyli bir faktörle üç düzeyli bir faktörün çaprazlandığı desen 2 × 3 diye yazılır ve altı hücresi vardır. İki yönlü ANOVA’da her katılımcı yalnız bir hücrede yer alır: iki faktör de bağımsız değişken rolündedir ve hücreler birbirinden bağımsız gruplardır.

Aynı veriyi iki ayrı tek yönlü ANOVA ile incelemek iki şeyi kaçırır. Birincisi, etkileşim hiç sınanmaz; oysa araştırma sorusu çoğu zaman tam olarak budur (“yöntemin etkisi sınıf düzeyine göre değişiyor mu?”). İkincisi, her tek yönlü analizde öteki faktörün açıkladığı değişkenlik hata teriminde kalır; o faktörün de etkisi varsa hata büyür ve test gücü düşer.

Model ve F testleri

İki yönlü ANOVA her gözlemi genel ortalamanın, iki ana etkinin, etkileşimin ve hatanın toplamı olarak yazar (Maxwell vd., 2018):

yijk=μ+αi+βj+(αβ)ij+εijky_{ijk} = \mu + \alpha_i + \beta_j + (\alpha\beta)_{ij} + \varepsilon_{ijk}

Burada yijky_{ijk}, A faktörünün i. ve B faktörünün j. düzeyindeki hücrede k. gözlemdir; αi\alpha_i ve βj\beta_j ana etkiler, (αβ)ij(\alpha\beta)_{ij} etkileşim, εijk\varepsilon_{ijk} hatadır. A’nın a, B’nin b düzeyi ve toplam N gözlem varsa ANOVA tablosunda şu satırlar bulunur:

Değişkenlik kaynağıSerbestlik derecesiF oranı
A ana etkisia − 1KOA/KOhataKO_A / KO_{\text{hata}}
B ana etkisib − 1KOB/KOhataKO_B / KO_{\text{hata}}
A × B etkileşimi(a − 1)(b − 1)KOAB/KOhataKO_{AB} / KO_{\text{hata}}
Hata (hücre içi)N − abyok

KO kareler ortalamasıdır. Üç F testinin paydası aynıdır: bütün hücrelerin havuzlanmış varyansı. Bu ortak payda, aşağıda varyans eşitliğinin neden önemli olduğunu da açıklar.

Üç yokluk hipotezi (H₀) sınanır: A’nın düzeylerinin marjinal ortalamaları eşittir; B’nin düzeylerinin marjinal ortalamaları eşittir; etkileşim yoktur, yani A’nın düzeyleri arasındaki farklar B’nin her düzeyinde aynıdır. Hipotezlerin araştırma sorusundan nasıl kurulduğu hipotez nasıl yazılır yazısındadır.

Hangi desende hangi ANOVA?

DesenUygun analiz
Tek faktör, üç ya da daha çok bağımsız grupTek yönlü ANOVA (Welch)
İki faktör, her katılımcı yalnız bir hücredeİki yönlü ANOVA
Bir faktör gruplar arası, öteki aynı kişilerde tekrarlanıyorKarışık desen ANOVA (tekrarlı ölçümler mantığıyla)
İki faktör ve ön test gibi bir ortak değişkenİki yönlü kovaryans analizi (ANCOVA)
Bir hücre belirgin biçimde normal dışıHizalanmış sıra dönüşümüyle (ART) faktöriyel analiz
Bağımlı değişken sıralı (ör. tek bir Likert maddesi)Sıralı regresyon modeli

Ana etki ve etkileşim ne anlama gelir?

Ana etki, bir faktörün marjinal ortalamalarını karşılaştırır. A’nın bir düzeyinin marjinal ortalaması, o düzeydeki hücre ortalamalarının B’nin düzeyleri üzerinden ortalamasıdır. Dolayısıyla ana etki şu soruyu yanıtlar: B’nin düzeyleri ortalamasında A fark yaratıyor mu?

Etkileşim farkların farkıdır. 2 × 2 desende A’nın iki düzeyi arasındaki fark, B’nin birinci ve ikinci düzeyinde ayrı ayrı hesaplanır; etkileşim bu iki farkın arasındaki farktır:

Etkiles¸im=(μ11−μ21)−(μ12−μ22)\text{Etkileşim} = (\mu_{11} - \mu_{21}) - (\mu_{12} - \mu_{22})

μij\mu_{ij}, A’nın i. ve B’nin j. düzeyindeki hücrenin kitle ortalamasıdır. Bu değer sıfırsa A’nın etkisi B’nin iki düzeyinde aynıdır. Daha çok düzeyli desenlerde etkileşim testi bu tür farkların hepsinin birlikte sıfır olup olmadığını sınar.

Etkileşimi görmenin en kolay yolu etkileşim grafiğidir: bir faktör yatay eksene konur, öteki faktörün her düzeyi için hücre ortalamaları ayrı bir çizgiyle birleştirilir. Paralel çizgiler etkileşimin olmadığını, paralellikten sapma etkileşimi düşündürür; sapmanın şansla açıklanıp açıklanamayacağına ise etkileşim testi karar verir. Rosnow ve Rosenthal (1989), etkileşimin hücre ortalamalarının kendisi değil, ana etkiler çıkarıldıktan sonra kalan kısım olduğunu ve bu ikisinin sık karıştırıldığını vurgular.

Sıralı ve çapraz etkileşim

  • Sıralı (ordinal) etkileşimde farkın yönü değişmez, yalnız büyüklüğü değişir: bir yöntem iki koşulda da üstündür ama birinde daha çok.
  • Çapraz (disordinal) etkileşimde farkın yönü tersine döner. Çapraz etkileşimde bir faktörün ana etkisi sıfıra yakın çıkabilir, oysa o faktör iki koşulda da güçlü ama zıt yönde etkilidir; ana etkiyi yorumlamak burada yanıltıcıdır.

Loftus (1978) bir ayrıntıya dikkat çeker: sıralı bir etkileşim, bağımlı değişken monoton bir dönüşümden (ör. logaritma) geçirildiğinde küçülebilir ya da ortadan kalkabilir; çapraz etkileşim ise böyle bir dönüşümle kaybolmaz. Bu yüzden sıralı bir etkileşimin yorumu, ölçeğin aralıklarının anlamlı olduğu varsayımına dayanır.

Etkileşim, regresyondaki düzenleyici (moderatör) etkinin kategorik faktörlerle kurulmuş hâlidir. İki yönlü ANOVA, faktörlerin kodlanmış değişkenlerle ve çarpım terimleriyle girdiği bir doğrusal modele eşdeğerdir. Sürekli bir düzenleyiciyle aynı soru aracı ve düzenleyici değişken yazısında, modelin genel çerçevesi regresyon analizi nedir yazısında anlatılır.

Basit etkiler nedir, ne zaman incelenir?

Basit etki, bir faktörün öteki faktörün tek bir düzeyindeki etkisidir: B’nin her düzeyinde A’nın düzeyleri ayrı ayrı karşılaştırılır. Etkileşim “A’nın etkisi B’ye göre değişiyor” der; basit etkiler bu değişimin nerede ve hangi yönde olduğunu gösterir. Basit etkiler çoğunlukla anlamlı bir etkileşimden sonra ya da hipotez belirli bir dilimi önceden işaret ediyorsa incelenir (Maxwell vd., 2018).

Her dilimde bir F ya da t hesaplanır. Varyanslar eşitse paydada bütün modelin hücre içi kareler ortalaması kullanılır; çoğu yazılım karşılaştırmaları varsayılan olarak bu birleşik hata terimiyle yapar.

Birleşik hata, her dilimi ayrı bir tek yönlü ANOVA ile incelemekten daha güçlüdür ama bütün hücrelerin varyansının eşit olduğunu varsayar. Hücre varyansları belirgin biçimde farklıysa her dilim kendi varyanslarıyla, yani Welch t-testi ya da Welch ANOVA ile incelenir. Dilim sayısı kadar test yapıldığı için p değerlerine Holm ya da Bonferroni düzeltmesi uygulanır.

Dikkat

Basit etkilerde iki hata sık görülür. Birincisi, bir dilimde anlamlı, ötekinde anlamsız bir sonuç bulup bunu etkileşimin kanıtı saymaktır: anlamlı ile anlamsız arasındaki fark kendi başına anlamlı olmayabilir (Gelman ve Stern, 2006). İki dilimin farklı olup olmadığını etkileşim testi söyler. İkincisi, anlamlı bir etkileşim varken yalnız ana etkileri raporlamaktır.

Üç ya da daha çok düzeyli bir faktörde etkileşim yoksa, ana etkinin hangi düzeyler arasında olduğu marjinal ortalamaların ikili karşılaştırmasıyla bulunur. Tukey yöntemi bu karşılaştırmaları modelin hata terimiyle yapar ve varyansların eşit olduğunu varsayar. Testlerin seçimi ve aile boyu hata oranı post hoc testleri yazısında anlatılır.

Örnek: çalışma yöntemi ve sınav zamanı birlikte nasıl incelenir?

İki faktör tek bir 2 × 2 modelde incelenir ve sonuç, etkileşim grafiğinin üç olası örüntüsünden hangisine benzediğine göre okunur.

Bir eğitim araştırmacısı, tek yönlü ANOVA yazısındaki çalışma yöntemi sorusuna ikinci bir faktör ekliyor: yöntemin etkisi sınavın ne zaman yapıldığına bağlı mı? 60 öğrenci iki faktörün dört birleşimine rastgele atanıyor: çalışma yöntemi (tekrar okuma, kendini sınama) ve sınav zamanı (çalışmanın hemen ardından, bir hafta sonra). Her hücrede 15 öğrenci var; bağımlı değişken sınav puanı. Desen varsayımsaldır ve sayısal sonuç verilmiyor; amaç olası örüntülerin nasıl okunacağını göstermektir.

Desen 2 × 2 olduğu için her etkinin serbestlik derecesi 1, hata teriminin serbestlik derecesi 60 − 4 = 56’dır; üç F testi F(1, 56) biçiminde raporlanır. Hücreler eşit büyüklükte olduğu için kareler toplamı türü sonucu değiştirmez (aşağıda). Sonuç üç örüntüden birine benzeyebilir:

ÖrüntüEtkileşim grafiğinde görünümNasıl okunur?
Yalnız ana etkilerÇizgiler paralel; kendini sınama iki zamanda da aynı farkla yukarıdaEtki zamana bağlı değil; ana etki tek başına yorumlanabilir
Sıralı etkileşimKendini sınama iki zamanda da yukarıda, fark bir hafta sonra daha büyükİki zamanda da aynı yönde etkili, büyüklük zamana bağlı; basit etkiler raporlanır
Çapraz etkileşimHemen yapılan sınavda tekrar okuma, bir hafta sonra kendini sınama yukarıdaAna etki küçük çıkabilir; iki zamanda zıt yönde etkili, yorum basit etkilerle yapılır

Çapraz örüntüde yöntemin ana etkisi anlamsız çıksa bile “çalışma yöntemi sınav puanını etkilemiyor” denmez. Doğru okuma iki basit etkiden gelir: hemen yapılan sınavda iki yöntemin farkı ve bir hafta sonraki sınavda iki yöntemin farkı. Hücre varyansları birbirine yakınsa her biri birleşik hata terimiyle F(1, 56) olarak sınanır; belirgin biçimde farklıysa her zaman noktasında iki yöntem Welch t-testiyle karşılaştırılır.

Aynı öğrenciler hem hemen hem bir hafta sonra sınava girseydi sınav zamanı tekrarlı bir faktör olurdu. O zaman hücreler bağımsız olmaz ve karışık desen ANOVA gerekir; aynı kişilerin tekrarlı ölçümlerinin nasıl çözümlendiği tekrarlı ölçümler varyans analizi yazısındadır.

Tip I, Tip II ve Tip III kareler toplamı arasındaki fark nedir?

Üç tür, dengesiz desende ana etkiler için farklı hipotezleri sınar; hücre büyüklükleri eşitse üçü aynı sonucu verir.

Hücre büyüklükleri eşitse (dengeli desen) iki faktör birbiriyle ilişkisizdir ve her etkinin kareler toplamı tek biçimde hesaplanır. Hücre büyüklükleri farklı ve orantısızsa (dengesiz desen) faktörler ilişkili hâle gelir ve değişkenliğin bir kısmı iki etki arasında ortak kalır. Bu ortak kısmın nasıl paylaştırıldığını kareler toplamı türü belirler; türler ana etkiler için farklı hipotezleri sınar (Maxwell vd., 2018):

TürAna etki nasıl sınanır?Ne zaman uygun?
Tip I (ardışık)İlk giren faktör düzeltilmeden, ikincisi birincisine göre düzeltilerekSıra kuramla gerekçelendirilebiliyorsa; sıra değişince sonuç değişir
Tip IIHer ana etki öteki ana etkiye göre düzeltilir, etkileşime göre düzeltilmezEtkileşim yoksa ya da ihmal edilebilirse; Tip III’ten güçlüdür (Langsrud, 2003)
Tip IIIHer etki, etkileşim dahil, ötekilerin hepsine göre düzeltilir; ağırlıksız marjinal ortalamalarAna etki, hücre büyüklüklerinden etkilenmeyen ortalamalarla tanımlanacaksa

İki faktörlü modelde etkileşim son giren terim olduğu için etkileşim testi üç türde de aynıdır; türler yalnız ana etkilerde ayrışır. SPSS’in varsayılanı Tip III, R’nin temel anova() işlevininki Tip I’dir. Tip III, faktörler toplamı sıfır olacak biçimde kodlandığında (R’de contr.sum) anlamlı hipotezler sınar; R’nin varsayılan kukla kodlamasıyla anlamlı olmaz. R’nin car paketinin Anova() belgesi bu uyarıyı açıkça yapar (car 3.1-5, CRAN, Şubat 2026).

Langsrud (2003) dengesiz veride Tip II’yi savunur; Tip III’ü yeğleyenler ana etkinin hücre büyüklüklerinden etkilenmemesini öne çıkarır. Tür, veriye bakmadan analiz planında seçilir ve raporda adıyla yazılır.

İki yönlü ANOVA’nın varsayımları nelerdir?

İki yönlü ANOVA beş koşula dayanır: ölçek, bağımsızlık, normallik, varyans eşitliği ve dolu hücreler.

  1. Ölçek: Bağımlı değişken aralıklı ya da oranlı ölçekte ölçülür; tek bir Likert maddesi gibi sıralı bir ölçüm bu koşulu karşılamaz.
  2. Bağımsızlık: Her katılımcı tek hücrededir ve ölçümler birbirini etkilemez. Aynı sınıftaki öğrenciler gibi kümelenmiş veri bu varsayımı bozar.
  3. Normallik: Her hücrede değerler, yani modelin artıkları, yaklaşık normal dağılır. Artıklarda Shapiro-Wilk testi raporlanabilir ama testi belirlemez; belirleyici olan sapmanın büyüklüğüdür (normallik testi).
  4. Varyans eşitliği: Hücrelerin kitle varyansları eşittir. Levene testi hücreler arasında raporlanır ama testi belirlemez (bir sonraki bölüm).
  5. Dolu hücreler: Her hücrede birden çok gözlem vardır; boş hücreli desende standart iki yönlü ANOVA kurulamaz.

Varyanslar eşit değilse ne yapılır?

Varyanslar eşit değilse dengeli bir desen, değişen varyansa dayanıklı testler, ayrı varyanslı karşılaştırmalar ya da dönüşüm kullanılır.

Tek yönlü desende klasik F’nin birinci tür hata oranı asıl olarak grup büyüklükleri ve varyanslar birlikte farklıyken bozulur: büyük varyanslı grup küçükse test gereğinden kolay anlamlı sonuç verir, kalabalıksa tutuculaşır (Delacre vd., 2019). İki yönlü ANOVA’nın üç F testi de aynı havuzlanmış hata terimini kullandığı için bu risk iki yönlü desende hücre düzeyinde geçerlidir.

Tek yönlü desende bu sorunun yerleşik çözümü Welch ANOVA’dır. İki yönlü desende Welch ANOVA’nın yerleşik, yaygın programların varsayılanı olmuş bir karşılığı yoktur. Bu yüzden karar analiz planında verilir:

  • Hücre büyüklüklerini eşit planlamak. Dengeli desende klasik F varyans farklarına görece dayanıklıdır (varyanslar arasındaki oran çok büyükse yine hafifçe kayabilir) ve kareler toplamı türü sorunu da ortadan kalkar.
  • Değişen varyansa dayanıklı testler. İki yönlü ANOVA bir doğrusal model olduğu için etkiler, katsayıların değişen varyansa dayanıklı (heteroscedasticity-consistent, HC) kovaryans matrisiyle sınanabilir. Long ve Ervin (2000) küçük örneklemlerde HC3 biçimini önerir. R’de car paketinin Anova() işlevi white.adjust = "hc3" seçeneğiyle bu testleri verir.
  • Ayrı varyanslı karşılaştırmalar. Basit etkiler ve ikili karşılaştırmalar, karşılaştırılan hücrelerin kendi varyanslarıyla (Welch t-testi, Welch ANOVA ya da Games-Howell) yapılır.
  • Dönüşüm. Varyans ortalamayla birlikte büyüyorsa (tepki süreleri, sayımlar) logaritma dönüşümü varyansları eşitleyebilir; bedeli, hipotezin ve etkileşimin dönüştürülmüş ölçekte sınanmasıdır (Loftus, 1978).

Dikkat

Önce Levene testine bakıp sonucuna göre bu yollardan birini seçmek önerilmez: ön testin sonucuna göre test seçmenin hata oranlarını bozduğu iki örneklemli t-testinde gösterilmiştir (Zimmerman, 2004). Levene yine raporlanır, çünkü yayılım farkı kendi başına bir bulgudur. Ayrıntı varyans homojenliği ve Welch mi Student mı yazılarındadır.

Parametrik olmayan bir karşılığı var mı?

Kruskal-Wallis H testi tek faktörlüdür; iki faktörün ana etkilerini ve etkileşimini sınayan yaygın, tek bir sıra testi yoktur. Varsayılan yol parametrik ANOVA’dır. Parametrik olmayan analiz yalnız iki durumda birincil olur: bağımlı değişken sıralıysa ya da bir hücre belirgin biçimde normal dışıysa. Bu kararın ölçütü tek yönlü varyans analizi yazısında anlatılır.

Bir hücre belirgin biçimde normal dışıysa verinin tamamını sıralayıp olağan ANOVA uygulamak (sıra dönüşümü) ana etkilerde makul sonuç verse de etkileşim testinde birinci tür hata oranını şişirir. Hizalanmış sıra dönüşümü (aligned rank transform, ART) her etki için veriyi önce yalnız o etki kalacak biçimde hizalar, sonra sıralar ve ANOVA’yı bu sıralar üzerinde kurar (Wobbrock vd., 2011).

Hangisi birincil olursa olsun öteki analiz duyarlılık analizi olarak raporlanır; ikisi ayrışırsa bu açıkça yazılır. Genel çerçeve parametrik ve parametrik olmayan testler yazısındadır; sıralı bağımlı değişken için sıralı regresyon modelleri Likert ölçeği analizi yazısında anılır.

Etki büyüklüğü nasıl hesaplanır ve raporlanır?

İki yönlü desende her etki için ayrı bir etki büyüklüğü hesaplanır.

Tek yönlü desende η², bir etkinin kareler toplamının toplam kareler toplamına oranıdır. İki yönlü desende her etki için çoğunlukla kısmi η² (ηp²) raporlanır; paydada toplam değil, yalnız o etkinin ve hatanın kareler toplamı bulunur. KT kareler toplamıdır:

ηp2=KTetkiKTetki+KThata\eta_p^2 = \frac{KT_{\text{etki}}}{KT_{\text{etki}} + KT_{\text{hata}}}

Kısmi η² öteki etkilerin açıkladığı değişkenliği paydadan çıkarır; bu yüzden bir desendeki üç etkinin kısmi η² değerlerinin toplamı 1’i aşabilir. Değeri desene de bağlıdır: öteki faktörün deneysel olarak atanmış mı, yoksa cinsiyet gibi yalnız gözlenmiş mi olduğu, değerin tek faktörlü ya da başka desenlerdeki sonuçlarla karşılaştırılıp karşılaştırılamayacağını belirler (Olejnik ve Algina, 2003).

Olejnik ve Algina (2003) farklı desenlerden gelen sonuçları karşılaştırmak için genelleştirilmiş η²’yi (ηG²) önerir; Lakens (2013) iki ölçünün farkını ve hangisinin ne zaman raporlanacağını uygulamalı olarak anlatır. η², ω² ve öteki ölçülerin karşılaştırması etki büyüklüğü yazısındadır.

APA 7’ye göre nasıl raporlanır?

Tezde nasıl yazılır

Raporda her etki için F, iki serbestlik derecesi, kesin p değeri ve etki büyüklüğü verilir. Kareler toplamı türü, hücre büyüklükleri, hücre ortalamaları ve standart sapmaları bir tabloda gösterilir. Biçim şablonu şöyledir:

Çalışma yöntemi ile sınav zamanının etkileşimi anlamlıdır, F(1, 56) = …, p = …, ηp² = …. Basit etki analizine göre …

Etkileşim anlamlıysa basit etkiler etkileşim grafiğiyle birlikte ve ana etkilerden önce yorumlanır. Genel biçim kuralları APA 7’ye göre istatistik raporlama, tablonun tezdeki yeri bulgular bölümü nasıl yazılır yazısındadır. Araştırmanın asıl sorusu etkileşimse örneklem büyüklüğü ana etkiye göre değil etkileşime göre planlanır; güç analizinin adımları G*Power ile güç analizi yazısındadır.

Sık yapılan hatalar nelerdir?

Hataların çoğu etkileşimin yanlış okunmasından ya da analiz kararlarının sonuçlara bakılarak verilmesinden doğar.

  • Etkileşim anlamlıyken ana etkileri tek başına yorumlamak.
  • İki ayrı tek yönlü ANOVA yapmak. Etkileşim hiç sınanmaz.
  • Bir dilimde anlamlı, ötekinde anlamsız basit etkiyi etkileşim saymak.
  • Dengesiz desende kareler toplamı türünü yazmamak ya da sonuçlara bakıp değiştirmek.
  • Levene sonucuna göre analiz seçmek.
  • Tekrarlı bir faktörü bağımsız gruplar gibi çözümlemek. Karışık desen ANOVA gerekir.
  • Sürekli bir değişkeni ortancadan bölüp faktör yapmak. Bilgi kaybettirir ve gücü düşürür.

Sık sorulan sorular

İki yönlü ANOVA ile tek yönlü ANOVA arasındaki fark nedir?

Tek yönlü ANOVA tek bir faktörün düzeylerini karşılaştırır. İki yönlü ANOVA iki faktörü birlikte inceler; her birinin ana etkisinin yanında, tek yönlü analizde sorulamayan etkileşimlerini de sınar.

Etkileşim anlamlı değilse ne yapılır?

Ana etkiler yorumlanır. Anlamsız bir etkileşim etkileşimin olmadığını kanıtlamaz, yalnız bu veriyle gösterilemediğini söyler. Etkileşim terimini modelden çıkarmak da bir seçenektir; bu karar da önceden planlanır ve raporlanır.

Hücrelerdeki kişi sayısı eşit olmak zorunda mı?

Hayır, ama eşit olması iki şey kazandırır: kareler toplamı türleri aynı sonucu verir ve klasik F varyans farklarına daha dayanıklı olur. Dengesiz desende kullanılan tür raporda yazılır.

İki yönlü desende Welch ANOVA kullanılabilir mi?

Welch ANOVA tek faktörlüdür; iki yönlü desende programların varsayılanı olmuş bir karşılığı yoktur. Dengeli bir desen, değişen varyansa dayanıklı (HC3) testler ve ayrı varyanslı basit etki karşılaştırmaları başlıca seçeneklerdir.

Faktörlerden biri sürekli bir değişkense ne yapılır?

Sürekli değişken gruplara bölünmez. Model regresyon olarak kurulur ve etkileşim, kategorik faktörle sürekli değişkenin çarpım terimiyle sınanır; bu bir düzenleyici değişken analizidir.

  • #anova
  • #varyans-analizi
  • #parametrik-testler
  • #arastirma-deseni
  • #etki-buyuklugu

Bilimsel inceleme

Doç. Dr. Hasan Yıldırım

Karamanoğlu Mehmetbey Üniversitesi Öğretim Üyesi

İnceleme tarihi:

Makine öğrenmesi ve biyoistatistik alanlarında çalışır; sağlık, fen ve sosyal bilimlerde disiplinlerarası araştırmalarda istatistik danışmanlığı yürütür.

Kaynakça

  1. Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 32(1), Article 13.
  2. Gelman, A., & Stern, H. (2006). The difference between "significant" and "not significant" is not itself statistically significant. The American Statistician, 60(4), 328–331.
  3. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863.
  4. Langsrud, Ø. (2003). ANOVA for unbalanced data: Use Type II instead of Type III sums of squares. Statistics and Computing, 13(2), 163–167.
  5. Loftus, G. R. (1978). On interpretation of interactions. Memory & Cognition, 6(3), 312–319.
  6. Long, J. S., & Ervin, L. H. (2000). Using heteroscedasticity consistent standard errors in the linear regression model. The American Statistician, 54(3), 217–224.
  7. Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge.
  8. Olejnik, S., & Algina, J. (2003). Generalized eta and omega squared statistics: Measures of effect size for some common research designs. Psychological Methods, 8(4), 434–447.
  9. Rosnow, R. L., & Rosenthal, R. (1989). Definition and interpretation of interaction effects. Psychological Bulletin, 105(1), 143–146.
  10. Wobbrock, J. O., Findlater, L., Gergle, D., & Higgins, J. J. (2011). The aligned rank transform for nonparametric factorial analyses using only ANOVA procedures. In Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (pp. 143–146). ACM.
  11. Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181.

Kendi verinizde görün

Kavramı kendi verinizde görmek isterseniz Basira’yı ücretsiz deneyebilirsiniz. Basira’yı deneyin

Kavramı kendi verinizde görmek isterseniz panelinize dönebilirsiniz. Panele git

İlgili yazılar