Hoe bereken ik chi kwadraat in R Studio?

Question

Wanneer ik een herhaalde metingen analyse uitvoer in R krijg ik bij Mauchly's test alleen een "w" gerapporteerd en de bijbehorende p - waarde. Hoe kan ik ook een chi waarde gerapporteerd krijgen uit R?

Mijn script was als volgt"

longSport <- melt(SportBeperkt, id="X",measured= c("sportscore1","sportscore2", "sportscore3"))
View(longSport)
### nu gaan we de kolommen even goede namen geven
names(longSport)<-c("Participant","Sportscore", "Frequentie")
### We willen nu van SPortscore een factor maken
longSport$Sportscore <- factor(longSport$Sportscore, labels=c("sportscore1","sportscore2", "sportscore3"))
### We gaan nu contrasten definieren: eerste is sportscore 1 vergelijken met 2+3
### de tweede is om sportscore 2 en sportscore 3 te vergelijken
NiksWel <-c(-2,1,1)
Later <-c(0,-1,1)
contrasts(longSport$Sportscore) <-cbind(NiksWel,Later)
### Hier ga je de contrasten bekijken in een tabel
longSport$Sportscore
### We definieren hier de repeated measures ANOVA (pagina 569)
longSportModel <-ezANOVA(data=longSport,dv=.(Frequentie),wid=.(Participant),within=.(Sportscore),detailed=TRUE,type=3)
### We bekijken de repeated measures ANOVA. we zien bij Mauchly dat de sphericiteit is geschonden
### de lower limit voor GG is 1/(4-1) =0,33. In de output staat 0,9i bij Huntsveld dat is het dichts bij 1
### dus we gebruiken HF
### SSd is de error
longSportModel

en dit leverde dan de volgende output op:

$`ANOVA`
       Effect DFn DFd        SSn       SSd         F            p p<.05        ges
1 (Intercept)   1 107 2325.38272 287.28395 866.09764 4.137149e-53     * 0.86393909
2  Sportscore   2 214   24.39506  78.93827  33.06725 3.062299e-13     * 0.06245259

$`Mauchly's Test for Sphericity`
      Effect         W           p p<.05
2 Sportscore 0.8822516 0.001307374     *

$`Sphericity Corrections`
      Effect       GGe      p[GG] p[GG]<.05       HFe        p[HF] p[HF]<.05
2 Sportscore 0.8946557 4.2598e-12         * 0.9088698 2.985557e-12         *

>

Answer 1

Het omrekenen van een W naar Chi-kwadraat is niet zo eenvoudig, en ik ben ook niet bekend met een manier om dit automatisch in R te laten berekenen. Een direkte berekening is lastig met de hand, maar er is af te leiden dat via een natuurlijk logartime van W een goede benadering van de chi-kwadraat te verkrijgen is. Ik weet niet meer in welk paper dit behandeld werd, maar de procedure is als volgt:

Stel eerst vast:

- k (aantal herhaalde metingen)

- n (aantal personen/observaties per herhaalde meting)

Daarmee kun je d berekenen:

Zodra je d hebt berekend kun je vervolgens de chi-kwadraat benaderen door de formule:

-1(n-1)*d*ln(W)

In het kader van opdrachten is het geen probleem is om in deze situatie enkel W en p te rapporteren (ondanks dat Field daar anders over denkt). Voor de opdrachten is met W en p voldoende helder waar het over gaat, en dat je de juiste statistiek hebt gerapporteerd

In de link hieronder is de r-code die ik heb gebruikt om in de sportcasus W naar Chi-kwadraat om te zetten. De bijbehorende p-waarde die wordt weergegeven (0.001227994) komt dicht in de buurt van de p-waarde in je vraag.

http://tpcg.io/Yy7EDj

Comments

Dank voor het heldere antwoord,. Als hoop ik natuurlijk wel dat er ooit nog een functie komt in R om dit voor me te doen.

Als ik met de tentamenopdracht aan de slag ga, kan ik dan volstaan met het rapporteren van w en de bijbehorende significantie?

---

Ja hoor, ik denk dat in het kader van opdrachten het geen probleem is om enkel W en p te noemen (ondanks dat Field daar anders over denkt). Met W en p is voldoende helder waar het over gaat, en dat je de juiste statistiek hebt gerapporteerd! Ik zal het nog even aan het antwoord toevoegen.