4

这个问题是关于语法和语义的，因此请在 Cross-Validated 上找到一个（尚未回答的）重复项：https ://stats.stackexchange.com/questions/113324/repeated-measures-anova-ezanova-vs-aov-vs -lme 语法

在机器学习领域，我在相同的 5 个数据集上评估了 4 个分类器，即每个分类器返回数据集 1、2、3、... 和 5 的性能度量。现在我想知道分类器在它们的表现。这是一些玩具数据：

Performance<-c(2,3,3,2,3,1,2,2,1,1,3,1,3,2,3,2,1,2,1,2)
Dataset<-factor(c(1,2,3,4,5,1,2,3,4,5,1,2,3,4,5,1,2,3,4,5))
Classifier<-factor(c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3,4,4,4,4,4))
data<-data.frame(Classifier,Dataset,Performance)

按照教科书，我进行了重复测量单向方差分析。我将我的表现解释为因变量，分类器作为主题，数据集作为主题内因素。使用 aov，我得到：

model <- aov(Performance ~ Classifier + Error(factor(Dataset)), data=data)
summary(model)

产生以下输出：

Error: factor(Dataset)
           Df Sum Sq Mean Sq F value Pr(>F)
Residuals  4    2.5   0.625               

Error: Within
            Df Sum Sq Mean Sq F value Pr(>F)  
Classifier  3    5.2  1.7333   4.837 0.0197 *
Residuals  12    4.3  0.3583

使用线性混合效应模型时，我得到了类似的结果：

model <- lme(Performance ~ Classifier, random = ~1|Dataset/Classifier,data=data)
result<-anova(model)

然后我尝试使用 ezANOVA 重现结果，以便对 Sphericity 执行 Mauchlys 测试：

 ezANOVA(data=data, dv=.(Performance), wid=.(Classifier), within=.(Dataset), detailed=TRUE, type=3)

产生以下输出：

        Effect DFn DFd  SSn SSd         F          p p<.05       ges
 1 (Intercept)   1   3 80.0 5.2 46.153846 0.00652049     * 0.8938547
 2     Dataset   4  12  2.5 4.3  1.744186 0.20497686       0.2083333

这显然与 aov/lme 的先前输出不对应。然而，当我在 ezANOVA 定义中将“性能”与“分类器”交换时，我得到了预期的结果。

我现在想知道我的教科书是否错误（aov 定义）或者我是否误解了 ezANOVA 语法。此外，为什么我在重写 ezANOVA 语句时只得到 Mauchly 的测试结果，而不是在第一种情况下？

4

1 回答 1

7

由于您要比较分类器而不是数据集，因此内部因素是分类器，内部 ID 是数据集。因此，您的 ezANOVA 示例的正确语法是：

ezANOVA(data=data, dv=.(Performance), within=.(Classifier), wid=.(Dataset), detailed=TRUE)

顺便说一句，不需要指定平方和的类型。由于您只有一个因子，所有类型的平方和无论如何都会产生相同的结果。

于 2014-08-27T08:12:14.393 回答