1. fullfact関数を使用して、2 因子の計画行列を作成します。

2. 実験のため、Vals に具体的な値を指定します。"Gender" (性別) 因子は、"Male" (男性) と "Female" (女性) の 2 水準に分かれています。"Age" (年齢) 因子は、"Young" (若)、"Middle" (中)、"Old" (高) の 3 水準に分かれています。因子によって水準の数が異なるので、空の要素を埋めるため、Vals の 1 行目に NaN が挿入されています。

3. doelabel関数を使用して、性別と年齢による実験の結果を並べ替えます。

1. 各年齢性別グループ (Run 1、Run 2 ...) ごとに、あるタスクの習得に要した平均時間を計測した結果、下記のようであるとします。Run 1 では、若年男性の平均習得時間は 9 分です。

2. effects 関数を呼び出して、性別、年齢、およびその交互作用の効果を調べます。

3. 効果グラフを作成して、年齢が習得時間に与える影響を確認します。若年グループは、このタスクを習得するのに平均 9 分かかっています。

1. 各グループが 2 つ目のタスクの習得に要した平均時間を格納します。

2. effects 関数を呼び出して、性別、年齢、およびその交互作用の効果を調べます。

3. A と B の異なる水準で AB の交互作用効果を計算するため、i と j をそれぞれ A と B の水準として定義し、mABi, j を i と j における AB の平均応答として定義します。

4. mean関数を使用して、この実験全体の平均と各因子の平均を計算します。

5. 各因子の水準効果を計算します。

6. augment関数を使用して、因子 A および B の水準ごとに、実験全体の平均、A の水準効果、水準 A および B の B の水準効果の和である付加因子効果を計算します。

7. 交互作用効果、つまり AB の平均応答から A と B の各水準での付加因子効果を引いた値を計算します。

8. 各性別の平均習得時間をプロットします。2 つ目のタスクを習得するのに若年女性は平均 7 分かかっています。性別と年齢の間に交互作用効果はないので、2 本の曲線は平行になっています。

1. 各グループが 3 つ目のタスクの習得に要した平均時間を格納します。effects 関数を呼び出して、性別、年齢、およびその交互作用の効果を調べます。

2. 次のように交互作用効果を計算します。

3. mean 関数を使用して、この実験全体の平均と各因子の平均を計算します。

4. augment 関数を使用して、因子 A と B の水準ごとに、実験全体の平均と、A の水準効果と各水準 A と B の B の水準効果の和である付加因子効果を計算します。

5. 交互作用効果、つまり AB の平均応答から A と B の各水準での付加因子効果を引いた値を計算します。

6. 各性別の平均習得時間をプロットします。3 つ目のタスクでは、若年男性と若年女性との間に習得時間の違いがありませんが、高齢男性は高齢女性よりも習得に時間がかかっています。年齢と性別の間に重要な交互作用があるので、2 本の曲線は平行になっていません。

1. 各グループが 4 つ目のタスクの習得に要した平均時間を格納します。

2. effects 関数を呼び出して、性別、年齢、およびその交互作用の効果を調べます。

3. 各性別の平均習得時間をプロットします。2 本の曲線はほぼ平行なので、年齢と性別の間に交互作用はありますが、その交互作用は重要でないことがわかります。