心理統計法-R の使い方(08)

目次

1 はじめに

ここでは、「2要因被験者間計画」の分散分析を行う。

2 サンプルデータ

以下のデータを使う。
ここで利用するデータは、繁枡・大森・橋本(2008)1 からの引用である。刺激図形の種類、部屋の明るさが要因(独立変数)、錯視量が従属変数である。
 
52o-0000.jpg 
 

3 結果

Rcmdr> AnovaModel.33 <- lm(錯視量 ~ 刺激*明るさ, data=Dataset, contrasts=list(刺激
Rcmdr+ ="contr.Sum", 明るさ ="contr.Sum"))
 
Rcmdr> Anova(AnovaModel.33)
Anova Table (Type II tests)
 
Response: 錯視量
 

  Sum Sq Df F value Pr(>F)
刺激 64 1 8.3478 0.013595 *
明るさ 144 1 18.7826 0.000972 *
刺激:明るさ 256 1 33.3913 8.763e-05 *
Residuals 92 12    


 
Signif. codes: 0 '*' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
 
Rcmdr> with(Dataset, (tapply(錯視量, list(刺激, 明るさ), mean, na.rm=TRUE))) # means

  Bright Dark
S1 28 30
S2 32 18

 
Rcmdr> with(Dataset, (tapply(錯視量, list(刺激, 明るさ), sd, na.rm=TRUE))) *
*Rcmdr+ # std. deviations

 

  Bright Dark
S1 2.160247 2.708013
S2 3.162278 2.943920

 
Rcmdr> xtabs(~ 刺激 + 明るさ, data=Dataset) # counts
 
明るさ

刺激 Bright Dark
S1 4 4
S2 4 4

 
5o-0000.jpg
 

3.1 主効果と交互作用の補足

上記結果について主効果と交互作用の結果をまとめると以下になる。
 

項目          F値 p値
刺激の主効果      8.348   0.013595
部屋の明るさの主効果 18.7826 0.000972
刺激:明るさの交互作用 33.3913 0.0000876

 
ここで、交互作用が有意な結果が得られたので、続いて単純主効果の検定を行う。

> summary(aov(錯視量 ~刺激, data=Dataset, subset=(明るさ=="Bright")))
 

  Df Sum Sq Mean Sq F value Pr(>F)
刺激 1 32 32.00 4.364 0.0817 .
Residuals 6 44 7.33    


 
Signif. codes: 0 '*' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
 
この結果より、「Bright」の条件では刺激の単純主効果が有意ではないことが解った。
同様に「Dark」の場合は以下の結果になった。
 
> summary(aov(錯視量 ~刺激, data=Dataset, subset=(明るさ=="Dark")))
 

  Df Sum Sq Mean Sq F value Pr(>F)
刺激 1 288 288 36 0.000965 *
Residuals 6 48 8    


Signif. codes: 0 '*' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

この結果より、部屋の明るさが「Dark」の場合は刺激の単純主効果は有意であることが示された。

4 参考文献

山田剛史, 村井潤一郎, & 杉澤武俊. (2015). Rによる心理データ解析: ナカニシヤ出版.

脚注:

1
参考文献:繁桝 算男, 橋本 貴充 & 大森 拓哉"心理統計学―データ解析の基礎を学ぶ (心理学の世界 専門編)"

著者: Satoshi Takemoto Satoshi Takemoto

Created: 2017-02-20 月 15:34

Emacs 25.1.1 (Org mode 8.3.6)

Validate