Analiza wariancji - manova

Wersja pdf

Do tej pory rozważaliśmy sytuację, kiedy zmienna zależna była jedna, a zmiennych niezależnych było kilka.

Odwróćmy sytuację. Mamy kilka zmiennych zależnych i jedną zmienną niezależną.

Załadujmy dane:

dane<-iris
head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

Spójrzmy na rysunek:

_{^{https://melindahiggins2000.github.io/N741UnsupervisedLearning/UnsupervisedLearning.html}}

sepl <- iris$Sepal.Length
petl <- iris$Petal.Length
model <- manova(cbind(Sepal.Length, Petal.Length) ~ Species, data = iris)
summary(model)

##            Df Pillai approx F num Df den Df    Pr(>F)    
## Species     2 0.9885   71.829      4    294 < 2.2e-16 ***
## Residuals 147                                            
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Hipoteza zerowa: średnie w poszczególnych grupach są równe. Hipoteza alternatywna: co najmniej jedna średnia jest inna od pozostałych.