410 likes | 478 Vues
Deux cas spéciaux. une observation par cellule facteurs fixes versus facteurs aléatoires. Exemple: une observation par cellule. SS A = 2(5-6) 2 + 2(7-6) 2 = 4.00 df: 1 SS B = 2(4-6) 2 + 2(8-6) 2 = 16.00 df: 1. MSS within = ∑∑(x ij - X j .) 2 /N-k= ?.
E N D
Deux cas spéciaux une observation par cellule facteurs fixes versus facteurs aléatoires
Exemple: une observation par cellule SSA = 2(5-6)2 + 2(7-6)2 = 4.00 df: 1 SSB = 2(4-6)2 + 2(8-6)2 = 16.00 df: 1 MSSwithin = ∑∑(xij - Xj.) 2 /N-k= ?
Analyse de la variance avec une observation par cellule àl’aide de SPSS
Facteursaléatoires • Modèle général linéaire: Facteurs aléatoires xij = µ + i + i + i + eij • i = une valeur tirée d’une distribution normale avec une moyenne de 0 et une variance de 2a, si l’hypothèse nulle est vraie=> 2a= 0 • i = une valeur tirée d’une distribution normale avec une moyenne de 0 et une variance de 2b, si l’hypothèse nulle est vraie => 2b= 0 • i = une valeur tirée d’une distribution normale avec une moyenne de 0 et une variance de 2ab, si l’hypothèse nulle est vraie => 2ab= 0.
Estimation des variances • Deux facteurs aléatoires • MSQlignes : 2p + n2ab + nc2a • MSQcolonnes : 2p + n2ab + nr2b • MSQinteraction : 2p + n2ab • MSQerreur : 2p • Modèle mixte • Facteur aléatoire comme ci-haut • Facteur fixe : MSQeffet est divisé par MSQwithin - MSQaléatoire
Exemple Les dégâts causés par des insectes en fonction du type de blé et du terrain
Exemple Traitements Sujets 1 2 3 moyennes 1 30 28 34 30.67 2 14 18 22 18.00 3 24 20 30 24.67 4 38 34 44 38.67 5 26 28 30 28.00 moyennes 26.4 25.6 32.0 28.00
Estimation des variances • Sommes des carrés: • SCbetween = 121.6 et SCwithin = 734.4 • les SCerreur pour un modèle mixte se calculent: SCwithin - SCfacteur aléatoire • SCsujets = k ∑∑(X.i - X..)2 = 3[(30.667-28) 2 + (18-28) 2 + ... + (28-28) 2] = 696.02 • SCerreur = SCwithin - SCsujets = 38.38 • degrés de liberté • il faut utiliser les degrés de liberté de l’erreur dans le cas d’une analyse avec une observation par cellule: (n-1) (k-1)
Postulats de base • 1. les observations sont indépendantes • 2. il y a normalité multivariée • 3. il y a sphéricité • Uniformité: Tous les éléments de la matrice des variances et covariances sont égaux. • Sphéricité: Les variances des différences de toutes les paires de mesures répétées sont égales. Ceci est le cas quand toutes les variances ainsi que toutes les corrélations entre les variables sont égales.
Solutions • approche univariée traditionnelle • F[; K-1, (N-1)(K-1)] • approche univariée corrigée • F[; (K-1) , (N-1)(K-1)] avec entre 1/(K-1) et 1.0; = 1 quand il y a sphéricité (Greenhouse et Geisser, 1959) ~ Huynh et Feldt, 1976) • approche multivariée
Puissance des tests: exemples n = 24; m1 = 49.17, m2 = 49.72, m3 = 50.28, m4 = 50.83 Exemple 1 univariée Greenhouse-Geisser: .49 univariée Huynh-Feldt: .51 multivariée: .40 Exemple 2 univariée Greenhouse-Geisser: .49 univariée Huynh-Feldt: .51 multivariée: .85
Algina et Keselman, 1997 • L’approche multivariée est préférable quand: • K 4, N ≥ K + 15 et .90 ou • 5 K 8, N ≥ K + 30 et .85 • avec K - nombre des traitements • N - nombre des sujets ~
Exemple: Approche univariée Approche multivariée
SPSS - repeated measures Analyze -> general linear model -> repeated measures