¿Hacer diagramas de caja al analizar un caso con 3 variables predictoras?

Question

Cuando hay 3 predictor variables a tener en cuenta, cuál es el procedimiento correcto?

Podemos hacer diagramas de caja para todos los posibles 2 combinaciones o hay una manera de comparar los 3 variables?

Lo siento si esto es una cuestión básica.

La respuesta es el uranio respuesta y hay 3 variables predictoras: el tiempo, la temperatura, y la fuerza del ácido. Todas las 3 variables predictoras tienen 3 niveles, bajo, medio, alto. Me gustaría probar a ejecutar un 3-way ANOVA análisis sobre el conjunto de datos, es un ejercicio de pregunta para una clase, pero no muy seguro de cómo empezar, así que estoy usando diagramas de caja para ver cómo los datos que parece ser la primera.

Answer 1

Así que entiendo que su DV es numérica y su 3 IVs son categóricos (3 niveles). Boxplots es una buena opción. Usted tendrá 9 boxplots, 3 para cada IV.

Parcela de cada una de las IV por separado. En el eje y será siempre el DV (uranio). En el eje x será el IVs. Por ejemplo, temp baja temp med, temp alta. Haga esto para todos 3 IVs.

Si desea ver la interacción entre los IVs, parcelas será más complicado (como será su análisis). No hay una manera fácil. Simplemente vas a tener que dividir los datos en 6 cuando se mira en 2 IVs, y 9 cuando se mira en todos los 3 a la vez, y hacer boxplots para cada uno. No sugiero hacer esto. Dado su nivel de habilidad y porque es para una clase, mirándose el uno al IV en un tiempo es probablemente lo suficientemente bueno.

Answer 2

Aquí está el enfoque '9x boxplot' en R :

 ### make reproducible
set.seed(1)
pred1 <- factor(c("low", "med", "high"), levels=c("low", "med", "high"))
df1 <- data.frame(ur=10*abs(runif(100)),
                  time=sample(pred1, 100, replace=TRUE),
                  temp=sample(pred1, 100, replace=TRUE),
                  str=sample(pred1, 100, replace=TRUE)
                  )
library(ggplot2)
g1 <- ggplot(data=df1, aes(y=ur, x=time, fill=time))
g1 + geom_boxplot() +
 facet_grid(facets = str ~ temp, scale="free_y", labeller=label_both)
 

dando:

(Note que las escalas del eje y varían por fila).

Answer 3

Gracias por la aclaración. Usted puede sacar provecho de los paneles y la agrupación de los diseños y poner juntos un pacto boxplot como este:

El boxplot será útil para la evaluación de grupo de sabios de la distribución y de los valores atípicos. Sin embargo, debido a que es un análisis de la VARIANZA, también me gustaría recomendar visualizar la media y el 95% de CI, así como también el uso de error de la parcela:

Al comparar y contrastar las posiciones de cada medio y la IC a través de los paneles y a través de clusters, uno puede obtener un poco más de información sobre las interacciones entre el grupo de medios.

Comienzan a partir de dos variables (uranio vs temperatura, el uranio en función del tiempo, etc.) y el construir a partir de ahí. Si la clase no ha cubierto la interacción, sin embargo, entonces te sugiero pedir el instructor, si él/ella te permitirá experimentar.