আরএম মধ্যে lm এবং aov এর মধ্যে রিপোর্ট করা পি-মানগুলির মধ্যে পার্থক্য

Question

নিম্নলিখিত aovএবং lmকলগুলিতে পি-মানগুলির পার্থক্য কী ব্যাখ্যা করে ? পার্থক্যটি কি কেবলমাত্র বিভিন্ন ধরণের স্কোম-অফ-বর্গ গণনার কারণে?

set.seed(10)
data=rnorm(12)
f1=rep(c(1,2),6)
f2=c(rep(1,6),rep(2,6))
summary(aov(data~f1*f2))
summary(lm(data~f1*f2))$coeff

Answer 1

summary(aov)স্কোয়ারের তথাকথিত টাইপ আই (ক্রমিক) ব্যবহার করে su summary(lm)স্কোরগুলির তথাকথিত প্রকার তৃতীয় অঙ্কগুলি ব্যবহার করে, যা অনুক্রমিক নয়। বিশদ জন্য গুং এর উত্তর দেখুন ।

---

নোট করুন যে আপনাকে কল করতে হবে lm(data ~ factor(f1) * factor(2))( aov()সূত্রের আরএইচএসকে স্বয়ংক্রিয়ভাবে উপাদানগুলিতে রূপান্তরিত করবে)। তারপরে লিনিয়ার রিগ্রেশন- এ সাধারণ স্ট্যাটাস্টিকের জন্য ডিনোমিনিটরটি নোট করুন ( আরও ব্যাখ্যাের জন্য এই উত্তরটি দেখুন ):$t$

$$t = \frac{\hat{\psi} - \psi_{0}}{\hat{\sigma} \sqrt{\bf{c}' (\bf{X}'\bf{X})^{-1} \bf{c}}}$$

$\bf{c}' (\bf{X}'\bf{X})^{-1} \bf{c}$ each প্রতিটি পরীক্ষিত সহগের জন্য পৃথক হয় কারণ ভেক্টর । পরিবর্তিত হয়। বিপরীতে, আনোভা টেষ্টের ডোনামিনেটর সর্বদা এমএসই থাকে।$\beta$$\bf{c}$$F$

Comments

আমি মনে করি এই উত্তরের প্রথম বাক্যটি ভুল। বিভিন্ন ধরণের স্কোয়ারের যোগফলের কারণে পার্থক্যটি স্পষ্টভাবে মনে হচ্ছে : যথা, টাইপ I বনাম টাইপ II / III। প্রকার I টি অনুক্রমিক, যা lmপ্রতিবেদন করে, অন্যদিকে II / III টাইপ নয়। @ Gung এর উত্তরে যা আপনি লিঙ্ক করেছেন তাতে এটি বেশ কিছু বিশদে ব্যাখ্যা করা হয়েছে।

— অ্যামিবা 21

@ অ্যামিবা উত্তরটি সংশোধন করার জন্য আপনার কী পরামর্শ?

— কারাকাল

আমি প্রথম অনুচ্ছেদ সম্পাদনা করেছি, আপনি সম্পাদনার সাথে ঠিক আছেন কিনা তা দেখুন এবং নিজের পছন্দ মতো পরিবর্তন করতে পারেন।

— অ্যামিবা বলেছেন মোনিকা

Answer 2

set.seed(10)
data=rnorm(12)
f1=rep(c(1,2),6)
f2=c(rep(1,6),rep(2,6))
summary(aov(data~f1*f2))
            Df Sum Sq Mean Sq F value Pr(>F)
f1           1  0.535  0.5347   0.597  0.462
f2           1  0.002  0.0018   0.002  0.966
f1:f2        1  0.121  0.1208   0.135  0.723
Residuals    8  7.169  0.8962               
summary(lm(data~f1*f2))$coeff
               Estimate Std. Error    t value  Pr(>|t|)
(Intercept)  0.05222024   2.732756  0.0191090 0.9852221
f1          -0.17992329   1.728346 -0.1041014 0.9196514
f2          -0.62637109   1.728346 -0.3624106 0.7264325
f1:f2        0.40139439   1.093102  0.3672066 0.7229887

এগুলি দুটি ভিন্ন কোড। এলএম মডেল থেকে আপনার সহগের দরকার। যখন অ্যাওভ মডেলটি থেকে আপনি কেবল তারতম্যের উত্সগুলি টেবুলেট করছেন। কোড চেষ্টা করে দেখুন

anova(lm(data~f1*f2))
Analysis of Variance Table

Response: data
          Df Sum Sq Mean Sq F value Pr(>F)
f1         1 0.5347 0.53468  0.5966 0.4621
f2         1 0.0018 0.00177  0.0020 0.9657
f1:f2      1 0.1208 0.12084  0.1348 0.7230
Residuals  8 7.1692 0.89615   

এটি একই ফলাফলের দিকে পরিচালিত ভিন্নতার উত্সগুলির সারণীর সারণী দেয়।

Comments

এটি প্রশ্নের উত্তর হিসাবে উপস্থিত হয় না, যা আপনার শীর্ষ প্যানেলের দুটি সংক্ষিপ্তসারগুলির জন্য পি-মানগুলি কেন f1এবং f2পৃথক করে তা জিজ্ঞাসা করে । দেখে মনে হচ্ছে আপনি শুধুমাত্র দেখাচ্ছেন যে summary(aov(...))এবং anova(lm(...))মধ্যে Rঅনুরূপ আউটপুট আছে।

— whuber