Que maneira (maneiras?) Existe para explicar visualmente o que é ANOVA?
Qualquer referência, link (s) (pacotes R?) Será bem-vinda.
data-visualization
anova
teaching
Tal Galili
fonte
fonte
Respostas:
Pessoalmente, gosto de introduzir regressão linear e ANOVA, mostrando que é a mesma coisa e que os modelos lineares equivalem à partição da variação total: temos algum tipo de variação no resultado que pode ser explicada pelos fatores de interesse, mais a inexplicável parte (chamada de 'residual'). Geralmente, uso a ilustração a seguir (linha cinza para variabilidade total, linhas pretas para variabilidade específica de grupo ou individual):
Eu também gosto do heplots pacote de R, de Michael Friendly and John Fox, mas ver também testes de hipóteses Visuais em modelos multivariados lineares: O Pacote heplots para R .
Maneiras padrão de explicar o que a ANOVA realmente faz, especialmente na estrutura do Modelo Linear, são muito bem explicadas nas respostas do Plane para perguntas complexas , por Christensen, mas há muito poucas ilustrações. Métodos estatísticos de Saville e Wood : A abordagem geométrica tem alguns exemplos, mas principalmente em regressão. No Design e na análise de experiências de Montgomery , que se concentra principalmente no DoE, há ilustrações que eu gosto, mas veja abaixo
(estes são meus :-)
Mas acho que você deve procurar livros didáticos sobre modelos lineares se quiser ver como a soma dos quadrados, erros etc. se traduz em um espaço vetorial, como mostra a Wikipedia . Estimation and Inference in Econometrics , de Davidson e MacKinnon, parece ter boas ilustrações (o primeiro capítulo realmente cobre a geometria do OLS), mas só procuro a tradução em francês (disponível aqui ). A geometria da regressão linear também tem algumas boas ilustrações.
Editar :
Ah, e eu me lembro desse artigo de Robert Pruzek, Um novo gráfico para ANOVA de mão única .
Editar 2
E agora, o pacote granova (mencionado por @ gd047 e associado ao artigo acima) foi portado para o ggplot, consulte granovaGG com uma ilustração da ANOVA unidirecional abaixo.
fonte
Que tal algo como isso?
Seguindo Crawley (2005). Estatisticas. Uma introdução usando R: Wiley.
fonte
plot.design()
(mas o seu em uma versão aprimorada :-)Obrigado por sua ótima resposta até agora. Enquanto eles eram muito esclarecedores, senti que usá-los para o curso que estou ensinando atualmente (bem, ensinar) será demais para meus alunos. (Ajudo a ministrar o curso BioStatistics para estudantes de graduação avançada em ciências da medicina)
Portanto, acabei criando duas imagens (ambas são baseadas em simulação), que eu acho que são um exemplo útil para explicar a ANOVA.
Eu ficaria feliz em ler comentários ou sugestões para melhorá-los.
A primeira imagem mostra uma simulação de 30 pontos de dados, separados em 3 parcelas (mostrando como o MST = Var é separado dos dados que criam MSB e MSW:
A segunda imagem mostra 4 parcelas, cada uma para uma combinação diferente de variância e expectativa para os grupos enquanto
fonte
Como reunimos certos tipos de gráficos interessantes neste post, aqui está outro que eu encontrei recentemente e pode ajudá-lo a entender como a ANOVA funciona e como a estatística F é gerada. O gráfico foi criado usando o pacote granova em R.
fonte
Confira a apresentação de Hadley Wickham ( pdf , espelho ) no ggplot. Iniciando nas páginas 23-40 deste documento, ele descreve uma abordagem interessante para visualizar ANOVAs.
* Link retirado de: http://had.co.nz/ggplot2/
fonte
Ótima pergunta. Você sabe, eu me esforcei em envolver minha cabeça em torno da ANOVA por muito tempo. Eu sempre me pego voltando à intuição "entre versus dentro" e sempre tentei imaginar como isso seria na minha cabeça. Fico feliz que essa pergunta tenha surgido e fiquei impressionado com as diversas abordagens para isso nas respostas acima.
De qualquer forma, há muito tempo (anos) até que eu quero coletar várias parcelas em um só lugar onde pude ver o que estava acontecendo simultaneamente de várias direções diferentes: 1) a que distância as populações estão, 2) como distantes os dados , 3) quão grande é a distância entre comparada com a interna e 4) como as distribuições F centrais versus não centrais se comparam?
Em um mundo verdadeiramente excelente , eu poderia até brincar com controles deslizantes para ver como o tamanho da amostra muda as coisas.
Então, eu tenho jogado com o
manipulate
comando no RStudio , e vaca santa, funciona! Aqui está uma das parcelas, um instantâneo, na verdade:Se você possui o RStudio, pode obter o código para fazer o gráfico acima (barras e tudo)! no Github aqui .
Depois de brincar com isso por um tempo, estou surpreso com o quão bem a estatística F distingue os grupos, mesmo para amostras moderadamente pequenas. Quando olho para as populações, elas realmente não estão tão distantes (a meu ver), mas a barra "dentro" é constantemente diminuída pela barra "entre". Aprenda algo todos os dias, eu acho.
fonte
Para ilustrar o que está acontecendo com a ANOVA unidirecional, às vezes usei um applet oferecido pelos autores da "Introdução à prática de estatística", que permite aos alunos brincar com as variações dentro e entre as variações e observar seus efeitos na estatística F . Aqui está o link (o applet é o último na página). Exemplo de captura de tela:
O usuário controla o controle deslizante superior, variando as propagações verticais dos três grupos de dados. O ponto vermelho na parte inferior se move ao longo do gráfico de valores-p enquanto a estatística F mostrada abaixo é atualizada.
fonte
Parece que o navio já partiu em termos de resposta, mas acho que, se este for um curso introdutório, a maioria das exibições oferecidas aqui será muito difícil de entender para os alunos introdutórios ... ou pelo menos também difícil de entender sem uma exibição introdutória que fornece uma explicação muito simplificada da variação de particionamento. Mostre a eles como o total de SST aumenta com o número de assuntos. Depois de mostrá-lo inflado para vários assuntos (talvez adicionando um em cada grupo várias vezes), explique que SST = SSB + SSW (embora eu prefira chamá-lo de SSE desde o início, pois evita confusão quando você vai ao IMO de teste de assuntos internos) ) Em seguida, mostre a eles uma representação visual do particionamento de variação, por exemplo, um grande quadrado colorido codificado para que você possa ver como o SST é feito de SSB e SSW. Então,
fonte
Aqui estão algumas representações de situações em que uma ANOVA vai concluir a diferentes níveis de ajuste entre e .XY X
fonte