wt=α+b1age+b2gender+b3age∗gender+ϵ
∂wt∂gender=b2+b3age
gender=0age=0gender=1age=1gender=0age=1gender=1age=0
wt=α+b1young.male+b2old.male+b3young.female+ϵ
old.femaleb1old.femaleyoung.maleαwtold.female
…
উপরোক্ত উদাহরণগুলি এই উপসংহারে পৌঁছানোর জন্য একটি অতি জটিল উপায় (যে আমরা সত্যিকার অর্থে কেবল চারটি গ্রুপের সাথে তুলনা করছি), তবে মিথস্ক্রিয়াগুলি কীভাবে কাজ করে তা শিখার জন্য, আমি মনে করি এটি একটি সহায়ক সংক্ষেপণ। নামমাত্র ভেরিয়েবলের সাথে অবিচ্ছিন্ন ভেরিয়েবলের সাথে ইন্টারঅ্যাক্ট করার বা দুটি ক্রমাগত ভেরিয়েবলের সাথে ইন্টারঅ্যাক্ট করার বিষয়ে সিভিতে আরও খুব ভাল পোস্ট রয়েছে। যদিও আপনার প্রশ্নটি নন-প্যারাম্যাট্রিক পরীক্ষা নির্দিষ্ট করার জন্য সম্পাদনা করা হয়েছে, তবে আমি মনে করি এটি আপনার সমস্যাটি আরও প্রচলিত (অর্থাত্ প্যারাম্যাট্রিক) পদ্ধতির মাধ্যমে চিন্তা করা সহায়ক বলে মনে হয়, কারণ হাইপোথিসিস টেস্টিংয়ের বেশিরভাগ নন-প্যারামেট্রিক পদ্ধতির একই যুক্তি রয়েছে তবে সাধারণত নির্দিষ্ট বিতরণ সম্পর্কে কম অনুমান।
wt
old.menyoung.women
"উল্লেখযোগ্য" মিথস্ক্রিয়া সংক্ষিপ্ততর
x1x2x1x2তবে আরও একবার, যদি আমাদের কাছে কেবল দুটি কোভারিয়েট থাকে যা কেবল 0 বা 1 এর মান নিতে পারে, তার মানে আমরা মূলত চারটি গ্রুপের দিকে তাকাই।
কাজের উদাহরণ
আসুন ইন্টারন্যাশনাল মডেল থেকে ডান পরীক্ষার ফলাফলের সাথে ফলাফলের তুলনা করি। প্রথমে আসুন এমন কিছু ডেটা তৈরি করা যাক যেখানে (ক) পুরুষরা মহিলাদের তুলনায় বেশি ওজন পান করেন (খ) বয়স্ক পুরুষদের চেয়ে কম বয়সী পুরুষদের ওজন কম এবং (গ) তরুণ এবং বয়স্ক মহিলাদের মধ্যে কোনও পার্থক্য নেই।
set.seed(405)
old.men<-rnorm(50,mean=80,sd=15)
young.men<-rnorm(50,mean=70,sd=15)
young.women<-rnorm(50,mean=60,sd=15)
old.women<-rnorm(50,mean=60,sd=15)
cat<-rep(1:4, c(50,50,50,50))
gender<-rep(1:2, c(100,100))
age<-c(rep(1,50),rep(2,100),rep(1,50))
wt<-c(old.men,young.men,young.women,old.women)
data<-data.frame(cbind(wt,cat,age,gender))
data$cat<-factor(data$cat,labels=c("old.men","young.men","young.women","old.women"))
data$age<-factor(data$age,labels=c("old","young"))
data$gender<-factor(data$gender,labels=c("male","female"))
wt
mod<-lm(wt~age*gender,data)
library(effects)
allEffects(mod)
model: wt ~ age * gender
age*gender effect
gender
age male female
old 80.61897 57.70635
young 67.78351 56.01228
আপনার প্রান্তিক প্রভাবের জন্য একটি আদর্শ ত্রুটি বা আত্মবিশ্বাসের ব্যবধান গণনা করা দরকার? উপরের রেফারেন্সযুক্ত 'ইফেক্টস' প্যাকেজটি এটি আপনার জন্য করতে পারে তবে আরও ভাল, আইকন এবং পশ্চিম (1991) আপনাকে আরও সূত্রগুলি প্রদান করে, এমনকি আরও জটিল ইন্টারঅ্যাকশন মডেলের জন্যও। তাদের টেবিলগুলি এখানে ম্যাট গোল্ডারের খুব ভাল ভাষ্য সহ সুবিধামত মুদ্রণ করা হয়েছে ।
এখন ডান পরীক্ষা বাস্তবায়ন করতে।
#install.packages("dunn.test")
dunn.test(data$wt, data$cat, method="bh")
Kruskal-Wallis chi-squared = 65.9549, df = 3, p-value = 0
Comparison of x by group
(Benjamini-Hochberg)
Col Mean-|
Row Mean | old.men young.me young.wo
---------+---------------------------------
young.me | 3.662802
| 0.0002*
|
young.wo | 7.185657 3.522855
| 0.0000* 0.0003*
|
old.wome | 6.705346 3.042544 -0.480310
| 0.0000* 0.0014* 0.3155
কৃস্কাল-ওয়ালিস চি-স্কোয়ার পরীক্ষার ফলাফলের পি-মানটি থেকে বোঝা যায় যে আমাদের গ্রুপের কমপক্ষে একটি 'ভিন্ন জনগোষ্ঠী থেকে আসে' ' গ্রুপ-বি-গ্রুপের তুলনাগুলির জন্য, শীর্ষ সংখ্যাটি হ'ল ডানের জেড-পরীক্ষা পরিসংখ্যান, এবং নীচের সংখ্যাটি পি-মান, যা একাধিক তুলনার জন্য সামঞ্জস্য করা হয়েছে। আমাদের উদাহরণস্বরূপ ডেটা বরং কৃত্রিম ছিল, এটি আশ্চর্যজনক যে আমাদের এতগুলি ছোট পি-মান রয়েছে। তবে কম বয়সী এবং বয়স্ক মহিলাদের মধ্যে নীচের অংশে ডান তুলনাটি নোট করুন। পরীক্ষাটি নাল অনুমানকে সঠিকভাবে সমর্থন করে যে এই দুটি দলের মধ্যে কোনও পার্থক্য নেই।
…
আপডেট: অন্যান্য উত্তর দেওয়া, এই উত্তরটি আপডেট করা হয়েছে এই ধারণাটি বিতর্ক করতে যে এটির জন্য কোনও রৈখিক মডেলিংয়ের কোনও ফর্ম প্রয়োজন, বা এটি - দুটি বাইনারি কোভারিয়েটগুলির ওপির নির্দিষ্ট উদাহরণ দেওয়া হয়েছে, যেমন, চারটি গ্রুপ - যে একটি অবশ্যই থাকতে হবে এই অ-প্যারাম্যাট্রিকভাবে অ্যাসেসিসে পরিবর্তনের জন্য সাইন ইন করুন। বয়স যদি অবিচ্ছিন্ন থাকে, উদাহরণস্বরূপ, এই সমস্যাটির কাছে যাওয়ার আরও অন্যান্য উপায় থাকতে পারে, তবে এটি ওপি-র দেওয়া উদাহরণ নয়।