Tôi đã phát triển gói ez cho R như một phương tiện để giúp mọi người chuyển từ các gói thống kê như SPSS sang R. Điều này (hy vọng) đạt được bằng cách đơn giản hóa đặc điểm kỹ thuật của các hương vị khác nhau của ANOVA và cung cấp đầu ra giống như SPSS (bao gồm cả kích thước hiệu ứng và giả định kiểm tra), trong số các tính năng khác. Các ezANOVA()
chức năng chủ yếu là phục vụ như là một wrapper để car::Anova()
, nhưng phiên bản hiện tại của ezANOVA()
cụ chỉ gõ-II tổng các bình phương, trong khi car::Anova()
giấy phép đặc điểm kỹ thuật của một trong hai loại II hoặc -III tổng các bình phương. Như tôi có thể đã dự kiến, một số người dùng đã yêu cầu tôi cung cấp một đối số trongezANOVA()
cho phép người dùng yêu cầu loại II hoặc loại III. Tôi đã thận trọng để làm như vậy và phác thảo lý do của tôi dưới đây, nhưng tôi sẽ đánh giá cao ý kiến của cộng đồng về tôi hoặc bất kỳ lý do nào khác liên quan đến vấn đề này.
Các lý do không bao gồm đối số "SS_type" trong ezANOVA()
:
- Sự khác biệt giữa bình phương loại I, II và III chỉ tăng lên khi dữ liệu không cân bằng, trong trường hợp đó tôi muốn nói rằng có nhiều lợi ích hơn từ việc cải thiện sự mất cân bằng bằng cách thu thập dữ liệu hơn là thay đổi tính toán ANOVA.
- Sự khác biệt giữa loại II và III áp dụng cho các hiệu ứng bậc thấp có đủ điều kiện bằng hiệu ứng bậc cao hơn, trong trường hợp đó tôi cho rằng các hiệu ứng bậc thấp không quan tâm một cách khoa học. (Nhưng xem bên dưới để biết sự phức tạp có thể xảy ra của cuộc tranh luận)
- Đối với những trường hợp hiếm gặp khi (1) và (2) không áp dụng (khi không thể thu thập thêm dữ liệu và nhà nghiên cứu có mối quan tâm khoa học hợp lệ đối với hiệu ứng chính đủ điều kiện mà tôi hiện không thể tưởng tượng được), người ta có thể dễ dàng sửa đổi các
ezANOVA()
nguồn hoặc sử dụngcar::Anova()
riêng của mình để đạt được loại xét nghiệm III. Theo cách này, tôi thấy cần có thêm nỗ lực / hiểu biết để có được các bài kiểm tra loại III như một phương tiện để tôi có thể đảm bảo rằng chỉ những người thực sự biết họ đang làm gì đi theo con đường đó.
Bây giờ, người yêu cầu loại III gần đây nhất đã chỉ ra rằng đối số (2) bị hủy hoại bằng cách xem xét các trường hợp trong đó các hiệu ứng bậc cao còn "không đáng kể" có thể tính toán tổng của các bình phương cho các hiệu ứng bậc thấp hơn. Trong những trường hợp như vậy, có thể tưởng tượng rằng một nhà nghiên cứu sẽ nhìn vào hiệu ứng bậc cao hơn và thấy rằng nó là "không đáng kể", chuyển sang cố gắng giải thích các hiệu ứng bậc thấp, mà không biết đến nhà nghiên cứu, đã bị xâm phạm. Phản ứng ban đầu của tôi là đây không phải là vấn đề với tổng bình phương, mà với giá trị p và truyền thống kiểm tra giả thuyết null. Tôi nghi ngờ rằng một thước đo bằng chứng rõ ràng hơn, chẳng hạn như tỷ lệ khả năng, có thể có nhiều khả năng mang lại một bức tranh ít mơ hồ hơn về các mô hình được hỗ trợ phù hợp với dữ liệu. Tuy nhiên, tôi không biết