So erstellen Sie ein Interaktionsdiagramm in R

Eine zweifaktorielle ANOVA wird verwendet, um festzustellen, ob es einen Unterschied zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen gibt, die auf zwei Faktoren aufgeteilt wurden.

Wir verwenden eine zweifaktorielle ANOVA, wenn wir wissen möchten, ob zwei bestimmte Faktoren eine bestimmte Antwortvariable beeinflussen. Manchmal besteht jedoch ein Interaktionseffekt zwischen den beiden Faktoren, der sich auf die Art und Weise auswirken kann, wie wir die Beziehung zwischen den Faktoren und der Antwortvariablen interpretieren.

Zum Beispiel möchten wir vielleicht wissen, ob die Faktoren (1) Bewegung und (2) Geschlecht den Gewichtsverlust der Antwortvariablen beeinflussen. Während es möglich ist, dass beide Faktoren den Gewichtsverlust beeinflussen, ist es auch möglich, dass die beiden Faktoren miteinander interagieren.

Zum Beispiel ist es möglich, dass Bewegung bei Männern und Frauen zu unterschiedlichen Gewichtsverlusten führt. In diesem Fall besteht ein Interaktionseffekt zwischen Bewegung und Geschlecht.

Der einfachste Weg, Interaktionseffekte zwischen zwei Faktoren zu erkennen und zu verstehen, ist ein Interaktionsdiagramm.

Dies ist eine Art Diagramm, das die angepassten Werte einer Antwortvariablen auf der y-Achse und die Werte des ersten Faktors auf der x-Achse anzeigt. In der Zwischenzeit repräsentieren die Linien im Diagramm die Werte des zweiten interessierenden Faktors.

In diesem Tutorial wird erklärt, wie Sie ein Interaktionsdiagramm in R erstellen und interpretieren.

Beispiel: Interaktionsdiagramm in R

Angenommen, Forscher möchten feststellen, ob Trainingsintensität und Geschlecht den Gewichtsverlust beeinflussen. Um dies zu testen, rekrutieren sie 30 Männer und 30 Frauen, um an einem Experiment teilzunehmen, bei dem sie jeweils 10 zufällig zuweisen, um einen Monat lang einem Programm ohne Übung, leichte Übung oder intensive Übung zu folgen.

Verwenden Sie die folgenden Schritte, um ein Dataframe in R zu erstellen, eine bidirektionale ANOVA durchzuführen und ein Interaktionsdiagramm zu erstellen, um den Interaktionseffekt zwischen Übung und Geschlecht zu visualisieren.

Schritt 1: Erstellen Sie die Daten.

Der folgende Code zeigt, wie Sie ein Dataframe in R erstellen:

#Machen Sie dieses Beispiel reproduzierbar
set.seed(10)

#Dataframe erstellen
data <- data.frame(gender = rep(c("Male", "Female"), each = 30),
                   exercise = rep(c("None", "Light", "Intense"), each = 10, times = 2),
                   weight_loss = c(runif(10, -3, 3), runif(10, 0, 5), runif(10, 5, 9),
                                   runif(10, -4, 2), runif(10, 0, 3), runif(10, 3, 8)))

# Die ersten sechs Zeilen des Dataframes anzeigen
head(data)

  gender exercise weight_loss
1   Male     None  0.04486922
2   Male     None -1.15938896
3   Male     None -0.43855400
4   Male     None  1.15861249
5   Male     None -2.48918419
6   Male     None -1.64738030

Schritt 2: Passen Sie das zweifaktorielle ANOVA-Modell an.

Der folgende Code zeigt, wie eine zweifaktorielle ANOVA an die Daten angepasst wird:

#Passen Sie das zweifaktorielle ANOVA-Modell an
model <- aov(weight_loss ~ gender * exercise, data = data)

#Sehen Sie sich die Modellausgabe an
summary(model)

# Df Sum Sq Mean Sq F value Pr(>F)    
#gender           1   15.8   15.80  11.197 0.0015 ** 
#exercise         2  505.6  252.78 179.087 <2e-16 ***
#gender:exercise  2   13.0    6.51   4.615 0.0141 *  
#Residuals       54   76.2    1.41                   
#---
#Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Beachten Sie, dass der p-Wert ( 0,0141 ) für den Interaktionsterm zwischen Training und Geschlecht statistisch signifikant ist, was darauf hinweist, dass zwischen den beiden Faktoren ein signifikanter Interaktionseffekt besteht.

Schritt 3: Erstellen Sie das Interaktionsdiagramm.

Der folgende Code zeigt, wie Sie ein Interaktionsdiagramm für Bewegung und Geschlecht erstellen:

interaction.plot(x.factor = data$exercise, #x-axis variable
                 trace.factor = data$gender, #variable for lines
                 response = data$weight_loss, #y-axis variable
                 fun = median, #metric to plot
                 ylab = "Weight Loss",
                 xlab = "Exercise Intensity",
                 col = c("pink", "blue"),
                 lty = 1, #line type
                 lwd = 2, #line width
                 trace.label = "Gender")

Wenn die beiden Linien im Interaktionsdiagramm parallel sind, gibt es im Allgemeinen keinen Interaktionseffekt. Wenn sich die Linien jedoch schneiden, liegt wahrscheinlich ein Interaktionseffekt vor.

Wir können in dieser Darstellung sehen, dass sich die Linien für Männer und Frauen kreuzen, was darauf hinweist, dass es wahrscheinlich einen Interaktionseffekt zwischen den Variablen Trainingsintensität und Geschlecht gibt.

Dies entspricht der Tatsache, dass der p-Wert in der Ausgabe der ANOVA-Tabelle für den Interaktionsterm im ANOVA-Modell statistisch signifikant war.

Zusätzliche Ressourcen

So führen Sie eine einfaktorielle ANOVA in R durch
So führen Sie eine zweifaktorielle ANOVA in R durch