Tugas 4 Statistika

Unggah satu file tugas dalam format pdf per grup ke besmart.
Sertakan semua NIM dan nama. Gunakan program R untuk membantu dalam perhitungan dan analisis data.
Pastikan Anda menjawab semua pertanyaan dan melampirkan hasil dari program R dalam word ini untuk
mendapatkan nilai penuh.

Gunakan taraf signifikansi α =0.05 .

1) (koro.csv) Dari kasus pada Appendix 1,

a) Buat boxplot dari masing-masing skor posttest vs variabel terapi dan berikan interpretasi.
Penyelesaian:

RIAN
b) Lakukan analisis multivariat satu arah dengan variabel respons adalah ketiga skor posttest
dan variabel independen adalah therapy. Tuliskan hipotesis nol dan hipotesis alternatif dalam
kalimat dan simbol. Buat tabel MANOVA, dan berikan kesimpulan.
Penyelesaian:
Hipotesis
Hipotesis nol dalam kalimat adalah semua vektor rata-rata grup yang sama.
H 0 : μsi =μ sf =μoa
Hipotesis alternatif dalam kalimat adalah ada sepasang vektor rata-rata grup yang tidak
sama.
H 1 :∃ μi ≠ μ j , i≠ j, i , j=si , sf , oa

Tabel MANOVA
Type II MANOVA Tests:

Sum of squares and products for error:

si_post sf_post oa_post
si_post 3336.5 1607.8 1626.8
sf_post 1607.8 4052.5 2309.9
oa_post 1626.8 2309.9 4170.7

------------------------------------------

Term: therapy

Sum of squares and products for the hypothesis:

si_post sf_post oa_post
si_post 297.275 610.725 150.225
sf_post 610.725 1522.275 498.375
oa_post 150.225 498.375 225.075

Multivariate Tests: therapy

Df test stat approx F num Df den Df Pr(>F)
Pillai 3 0.3404252 1.535998 9 108.00000 0.1444208
Wilks 3 0.6737260 1.622789 9 82.89767 0.1220987
Hotelling-Lawley 3 0.4633185 1.681675 9 98.00000 0.1035569
Roy 3 0.4128713 4.954456 3 36.00000 0.0055649 **
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Page 1 of 15
 Kesimpulan:
Wilks’ lambda = 0.6737260, F=1.622789 dan p>0.05 maka H 0 ditolak. Jadi, pada taraf
signifikansi 5 % dapat disimpulkan bahwa minimal ada sepasang vektor rata-rata grup yang
tidak sama.

c) Hitung effect size dengan statistik partial eta squared dan berikan interpretasi.
Penyelesaian:
Effect-size
S effectsize
3 0.1233452

Interpretasi
12 % variansi dalam kombinasi tiga skor pos-test terhadap therapy yang masih tergolong
rendah.

d) Lakukan pengecekan asumsi normalitas multivariat dengan uji Henze-Zirkler dan asumsi
homogenitas matriks kovarians. Berikan kesimpulan.
Penyelesaian:
Normalitas
Abreaction
Test HZ p value MVN
1 Henze-Zirkler 0.5489643 0.3156233 YES

Behavioral
Test HZ p value MVN
1 Henze-Zirkler 0.5767599 0.2513969 YES

Cognitive
Test HZ p value MVN
1 Henze-Zirkler 0.5100604 0.421901 YES

Control
Test HZ p value MVN
1 Henze-Zirkler 0.4274946 0.6853482 YES

Kesimpulan:
Berdasarkan uji Henze-zirkler, asumsi normal multivariat bagi masing-masing sel terpenuhi
(masing-masing p-value ¿ 0.05 ).

Homogenitas
Box's M-test for Homogeneity of Covariance Matrices

data: X
Chi-Sq (approx.) = 11.248, df = 18, p-value = 0.8835

Kesimpulan:

Page 2 of 15
 Asumsi homogenitasmatriks kovarians bagi masing-masing sel terpenuhi
2
(X =11.248 , p=0.8835).

e) Lakukan pengujian kontras helmert multivariat. Tuliskan hipotesis nol dan hipotesis
alternatif. Berikan kesimpulan.
Penyelesaian:
Hipotesis
H 0 :ψ=0
H 1 :ψ ≠ 0

Grup 1 vs Grup Lainnya

T2 Hotellings Fstat df1 df2 p.value
14.32016 0.3977822 4.508198 3 34 0.009107959

Kesimpulan:
Karena p-value ¿ 0.05 maka grup kontrol berbeda secara signifikan dari rata-rata tiga grup
lainnya.

Grup 2 vs 3 dan 4
T2 Hotellings Fstat df1 df2 p.value
1.550019 0.04305609 0.4879691 3 34 0.692923

Kesimpulan:
Kontras multivariat mengindikasikan bahwa grup-grup perlakuan tidak berbeda secara
signifikan pada level 0.05 (karena 0.692>0.05 ) pada sekumpulan dari dua variabel.

Grup 3 vs 4
T2 Hotellings Fstat df1 df2 p.value
0.809289 0.02248025 0.2547762 3 34 0.8573845

Kesimpulan:
Kontras multivariat mengindikasikan bahwa grup-grup perlakuan tidak berbeda secara
signifikan pada level 0.05 (karena 0.857> 0.05) pada sekumpulan dari satu variabel.

2) (rating.csv) Data ini terdiri 33 pengamatan pada tiga variabel respons. Variabel respons adalah
peringkat yang disebut bermanfaat (useful), sulit (difficulty), dan penting (importance). Level 1
dari variabel kelompok adalah kelompok perlakuan (treatment), tingkat 2 adalah kelompok
kontrol 1 (control_1) dan tingkat 3 adalah kelompok kontrol 2 (control_2).

a) Buat boxplot dari masing-masing variabel dependen vs variabel independen dan berikan
interpretasi.

Page 3 of 15
 > rating <- read.csv(file="C:/Users/ACER/Downloads/rating.csv")
> library(ggpubr)
> ggboxplot(rating,x="group",y="useful")

Untuk skor useful pada grup control_1, di sana terlihat ada garis tebal sekitar 16 yang
merupakan median skor siswa siswa pada grup control_1. Pada grup control_2, di sana
terlihat ada garis tebal sekitar 17 yang merupakan median skor siswa siswa pada grup
control_2. Pada grup treatment, di sana terlihat ada garis tebal sekitar 18 yang merupakan
median skor siswa pada grup treatment. Di sini, artinya skor useful siswa pada grup
treatment lebih tinggi dibandingkan dengan skor useful siswa pada grup control_2 dan
grup control_1. skor useful siswa pada grup control_2 lebih tinggi dibandingkan dengan
skor useful siswa pada grup control_1. Selanjutnya jika dilihat dari panjangnya bidang
pada diagram box tersebut, bidang pada grup treatment lebih panjang daripada grup
control_1 dan control_2, dan panjangnya bidang pada diagram box grup control_2 lebih
panjang dari pada grup control_2. Artinya, penyebaran data pada grup treatment lebih
baik daripada pada grup control_2 dan control_1, lalu penyebaran data pada grup
control_2 lebih baik daripada pada grup control_1.

Page 4 of 15
> ggboxplot(rating,x="group",y="difficulty")

Untuk skor difficulty pada grup control_1 dan control_2, di sana terlihat ada garis tebal sekitar
5-6 yang merupakan median skor siswa siswa pada grup control_1 maupun control_2.
Pada grup treatment, di sana terlihat ada garis tebal sekitar 6 yang merupakan median
skor siswa pada grup treatment. Di sini, artinya skor difficulty siswa pada grup treatment
lebih tinggi dibandingkan dengan skor difficulty siswa pada grup control_2 dan grup
control_3. skor difficulty siswa pada grup control_2 nyaris sama dengan skor difficulty
siswa pada grup control_1. Selanjutnya jika dilihat dari panjangnya bidang pada diagram
box tersebut, bidang pada grup control_1 lebih panjang daripada grup treatment dan
control_2, dan panjangnya bidang pada diagram box grup control_2 nyaris sama pada
grup treatment. Artinya, penyebaran data pada grup control_1 lebih baik daripada pada
grup control_2 dan treatment, lalu penyebaran data pada grup control_2 sama dengan
pada grup treatment.

Page 5 of 15
 > ggboxplot(rating,x="group",y="importance")

Untuk skor importance pada grup control_1, di sana terlihat ada garis tebal sekitar 6 yang
merupakan median skor siswa siswa pada grup control_1. Pada grup control_2, di sana
terlihat ada garis tebal pada 5 yang merupakan median skor siswa siswa pada grup
control_2. Pada grup treatment, di sana terlihat ada garis tebal sekitar 6-9 yang
merupakan median skor siswa pada grup treatment. Di sini, artinya skor importance siswa
pada grup treatment lebih tinggi dibandingkan dengan skor importance siswa pada grup
control_2 dan grup control_1. skor importance siswa pada grup control_1 lebih tinggi
dibandingkan dengan skor importance siswa pada grup control_2. Selanjutnya jika dilihat
dari panjangnya bidang pada diagram box tersebut, bidang pada grup control_2 lebih
panjang daripada grup control_1 dan treatment, dan panjangnya bidang pada diagram box
grup control_1 nyaris sama dengan grup treatment. Artinya, penyebaran data pada grup
control_2 lebih baik daripada pada grup treatment dan control_1, lalu penyebaran data
pada grup treatment sama dengan grup control_1.

b) Lakukan analisis multivariat satu arah dengan ketiga variabel respons dan satu variabel
independen. Tuliskan hipotesis nol dan hipotesis alternatif dalam kalimat dan simbol. Buat
tabel MANOVA, dan berikan kesimpulan.
Hipotesis
Hipotesis nol dalam kalimat adalah semua vektor rata-rata grup yang sama.
H 0 : μuseful=μ difficulty=μ importance
Hipotesis alternatif dalam kalimat adalah ada sepasang vektor rata-rata grup yang tidak
sama.
H 1 :∃ μi ≠ μ j , i≠ j, i , j=useful , difficulty ,importance

> library(car)

Page 6 of 15
 > fit <- lm(cbind(useful,difficulty,importance)~ group,data=rating)
> table <- Manova(fit)
> summary(table,multivariate=TRUE)

Type II MANOVA Tests:

Sum of squares and products for error:

useful difficulty importance
useful 293.965442 6.550907 -207.77726
difficulty 6.550907 126.287277 34.18591
importance -207.777259 34.185908 426.37090

------------------------------------------

Term: group

Sum of squares and products for the hypothesis:

useful difficulty importance
useful 52.92424 14.243938 64.55151
difficulty 14.24394 3.975151 16.71121
importance 64.55151 16.711210 81.82969

Multivariate Tests: group

Df test stat approx F num Df den Df Pr(>F)
Pillai 2 0.4766701 3.024828 6 58 0.01215223 *
Wilks 2 0.5257884 3.538230 6 56 0.00485936 **
Hotelling-Lawley 2 0.8972300 4.037535 6 54 0.00205762 **
Roy 2 0.8919879 8.622550 3 29 0.00030233 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Berdasarkan uji Roy’s largest root diperoleh nilai F = 0.8919879 dan p-value <
0.001 yang signifikan secara statistik (tolak H0). Sehingga pada level signifikansi
0.05 dapat disimpulkan bahwa kedua vektor grup rata-rata tidak sama (jenis
group mempunyai pengaruh pada ketiga variabel dependen (useful, difficulty dan
importance)
c) Jika pengaruh multivariat itu signifikan, lakukan analisis variansi satu arah untuk masing-
masing variabel independen. Jika pengaruh univariat itu signikan, lakukan uji poshoc Tukey
dan berikan interpretasinya.
Sehingga dilakukan analisis variansi
> mod.fit<- aov(useful~group,data=rating)
> summary(mod.fit)

Ada pengaruh utama “useful” terhadap skor ujian akhir. (p-value =0.0835 < 0.1).
??????

> fit <- lm(cbind(useful,difficulty,importance)~ group,data=rating)

> summary.aov(fit)
Response useful :
Df Sum Sq Mean Sq F value Pr(>F)
group 2 52.924 26.4621 2.7005 0.08348 .

Page 7 of 15
 Residuals 30 293.965 9.7988
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Response difficulty :
Df Sum Sq Mean Sq F value Pr(>F)
group 2 3.975 1.9876 0.4722 0.6282
Residuals 30 126.287 4.2096

Response importance :
Df Sum Sq Mean Sq F value Pr(>F)
group 2 81.83 40.915 2.8788 0.07183 .
Residuals 30 426.37 14.212
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Oleh karena pengaruh multivariat signifikan secara statistik maka dilanjutkan

a 0.05
memeriksa uji F univariat dengan koreksi Bonferroni terhadap level alpha ( =
p 3
= 0.0167). (𝑝 adalah banyaknyavariabel dependen).

▪ tidak ketiga statistik F univariat adalah signifikan secara statistik (ada p > 0.025).
Hal ini mengindikasikan bahwa ketiga variabel dependen tidak berkontribusi
signifikan terhadap pengaruh multivariat.

d) Hitung effect size dengan statistik partial eta squared dan berikan interpretasi.
> mod.fit <-
manova(cbind(useful,difficulty,importance)~group,data=rating)
> summary(mod.fit,test="Wilks")

> p.eta.sq.manova <- function(p,dfeffect,Wilks){

+ S <- min(p,dfeffect)
+ partial.eta2 = 1-Wilks^(1/S)
+
data.frame(S=as.numeric(S),effectsize=as.numeric(partial.eta2),row.na
mes="")
+ }
> p.eta.sq.manova(3,2,0.52579)

S effectsize
2 0.2748862

Artinya 27% variansi dalam kombinasi pada useful, difficulty dan importance diperole
h dari perbedaan group

e) Lakukan pengecekan asumsi normalitas multivariat dengan uji Henze-Zirkler dan asumsi
homogenitas matriks kovarians. Berikan kesimpulan.
> #nomor2e

Page 8 of 15
 > # Grup1:
> C <- subset(rating,group == "treatment", select = c(useful,
difficulty,importance))
> library(MVN)
> result.hz <- mvn(data = C, mvnTest = "hz")
> result.hz$multivariateNormality
Test HZ p value MVN
1 Henze-Zirkler 0.6307458 0.1725729 YES

> d <- subset(rating,group == "control_1", select = c(useful,

difficulty,importance))
> library(MVN)
> result.hz <- mvn(data = d, mvnTest = "hz")
> result.hz$multivariateNormality

Test HZ p value MVN

1 Henze-Zirkler 0.4275902 0.7143527 YES

> e <- subset(rating,group == "control_2", select = c(useful,

difficulty,importance))
> library(MVN)
> result.hz <- mvn(data = e, mvnTest = "hz")
> result.hz$multivariateNormality

Test HZ p value MVN

1 Henze-Zirkler 0.5681915 0.295187 YES

Karena MVN untuk setiap grup menyatakan yes, Sehingga dapat dikatakan bahwa
asumsi multivarit pada setiap grup terpenuhi. Data berdistribusi normal multivariate.

Kita akan mengecek asumsi homogenitasnya

> library(biotools)
> X <- as.matrix(rating[,c("useful","difficulty","importance")])
> boxM(X,rating$group)

Box's M-test for Homogeneity of Covariance Matrices

data: X
Chi-Sq (approx.) = 10.286, df = 12, p-value = 0.5909
Dari uji Box’s M untuk homogenitas matriks kovarians diperoleh hasil yang tidak
signifikan (p-value = 0.5909> 0.05) sehingga asumsi homogenitas matriks kovarians
terpenuhi.

f) Lakukan pengujian kontras helmert multivariat. Tuliskan hipotesis nol dan hipotesis
alternatif. Berikan kesimpulan.

μ 2+ μ 3
𝛙1 = 𝛍1 -
2
(Apakah grup treatment berbeda dari ratarata grup-grup perlakuan pada
sekumpulan variabel)
2) 𝛙2 = 𝛍2 - 𝛍3
(Apakah kedua kontrol berbeda secara efektif pada sekumpulan variabel)

Page 9 of 15
 Hipotesis:
𝐻0: 𝚿 = 𝟎
𝐻1: 𝚿 ≠ 𝟎
> rating$group <- factor(rating$group) # make as a factor
> str(rating)
'data.frame': 33 obs. of 4 variables:
$ group : Factor w/ 3 levels "control_1","control_2",..: 3 3 3 3
3 3 3 3 3 3 ...
$ useful : num 19.6 15.4 22.3 24.3 22.5 ...
$ difficulty: num 5.15 5.75 4.35 7.55 8.5 ...
$ importance: num 9.5 9.1 3.3 5 6 ...
> library(Morpho)
> Sp <- covW(rating[,2:4], groups= rating[,1])
> Sp
useful difficulty importance
useful 9.7988481 0.2183636 -6.925909
difficulty 0.2183636 4.2095759 1.139530
importance -6.9259086 1.1395303 14.212363
attr(,"means")
useful difficulty importance
control_1 15.52727 5.581818 5.109091
control_2 15.34545 5.372727 5.636364
treatment 18.11818 6.190909 8.681818
> grup1 <-
subset(rating[,c("useful","difficulty","importance")],rating$group ==
"treatment")
> grup2 <-
subset(rating[,c("useful","difficulty","importance")],rating$group ==
"control_1")
> grup3 <-
subset(rating[,c("useful","difficulty","importance")],rating$group ==
"control_2")
> xbar1 <- colMeans(grup1)
> xbar2 <- colMeans(grup2)
> xbar3 <- colMeans(grup3)
> xbar <- cbind(xbar1,xbar2,xbar3)
> # grup 1 vs grup lain
> ni <- c(11,11,11)
> contrast <- c(1,-0.5,-0.5)
> constanta <- solve(sum(contrast^2/ni))
> psi <- xbar%*%contrast
> N <- 33
> k <- 3
> p <- 3
> Hot.hel <- function(constanta,psi,Sp,N,k,p) {
+ T2 <- constanta%*%t(psi)%*%solve(Sp)%*%psi
+ Hotellings <- T2/(N-k)
+ F <- ((N-k-p+1)/((N-k)*p))*T2
+ df1 <- p
+ df2 <- N-k-p+1
+ p.value <- 1 - pf(F,df1,df2)
+ data.frame(T2=as.numeric(T2),Hotellings =
+
as.numeric(Hotellings),Fstat=as.numeric(F),df1=df1,df2=df2,p.value=as.n
umeric(p.value),
+ row.names="")
+ }
> Hot.hel(constanta,psi,Sp,N,k,p)
T2 Hotellings Fstat df1 df2 p.value
26.71181 0.8903937 8.310341 3 28 0.0004141181

Page 10 of 15
 μ 2+ μ 3
Hal ini mengindikasikan bahwa kontras multivariate 𝛙1 = 𝛍1 - adalah
2
signifikan pada level 0.05 (karena p-value = 0.0004141181 < 0.05). Grup treatment
berbeda secara signifikan dari rata-rata dua grup kontrol terhadap sekumpulan dari
tiga variabel.

> # grup 2 vs grup lain

> ni <- c(11,11,11)
> contrast <- c(0,1,-1)
> constanta <- solve(sum(contrast^2/ni))
> psi <- xbar%*%contrast
> N <- 33
> k <- 3
> p <- 3
> Hot.hel <- function(constanta,psi,Sp,N,k,p) {
+ T2 <- constanta%*%t(psi)%*%solve(Sp)%*%psi
+ Hotellings <- T2/(N-k)
+ F <- ((N-k-p+1)/((N-k)*p))*T2
+ df1 <- p
+ df2 <- N-k-p+1
+ p.value <- 1 - pf(F,df1,df2)
+ data.frame(T2=as.numeric(T2),Hotellings =
+
as.numeric(Hotellings),Fstat=as.numeric(F),df1=df1,df2=df2,p.value=as.n
umeric(p.value),
+ row.names="")
+ }
> Hot.hel(constanta,psi,Sp,N,k,p)
T2 Hotellings Fstat df1 df2 p.value
0.2050893 0.00683631 0.06380556 3 28 0.9785329

Kontras multivariat mengindikasikan bahwa grupgrup kontrol (grup 2 dan grup 3)

tidak berbeda secara signifikan pada level 0.05 (karena 0.9785329 > 0.05) pada
sekumpulan dari tiga variabel.

3) Seorang profesor statistik tertarik pada pengaruh kedekatan (proximity) dengan ujian akhir (6
minggu lagi, 1 minggu) dan bidang studi pada tingkat stres psikologi. Dia mengukur tingkat stres
yang dirasakan mahasiswa dengan kuesioner standar. Dalam skenario ini, stres adalah variabel
dependen sedangkan kedekatan dan bidang studi mahasiswa adalah variabel independen.
a) Tuliskan hipotesis nol dan hipotesis alternatif dari analisis variansi dua arah dalam kalimat
dan simbol.
Penyelesaian:
Faktor 1 (Stres Psikologi)
H 0 dalam kalimat: tidak ada pengaruh stres psikologi terhadap kedekatan (proximity)
H 0 :τ =0
H 1 dalam kalimat: ada pengaruh stres psikologi terhadap kedekatan (proximity)
H 1 :∃ τ ≠ 0

Page 11 of 15
 Faktor 2 (Bidang Studi)
H 0 dalam kalimat: tidak ada pengaruh bidang studi terhadap kedekatan (proximity)
H 0 : β=0
H 1 dalam kalimat: ada pengaruh bidang studi terhadap kedekatan (proximity)
H 1 :∃ β ≠ 0

Interaksi Faktor 1 dan 2

H 0 dalam kalimat: tidak ada pengaruh stres psikologi dan bidang studi terhadap kedekatan
(proximity)
H 0 :( τβ)=0
H 1 dalam kalimat: ada pengaruh stres psikologi dan bidang studi terhadap kedekatan
(proximity)
H 1 :∃( τβ)≠ 0

b) Buat plot interaksi dan berikan interpretasi.

Penyelesaian:

Page 12 of 15
 c) Lakukan analisis variansi dua arah dan berikan kesimpulan.
d) Lakukan pengecekan asumsi normalitas dan homogenitas variansi. Tuliskan hipotesis nol dan
hipotesis alternatif dan berikan kesimpulan.
e) Jika pengaruh interaksi signifikan, lakukan uji poshoc Tukey dan berikan kesimpulan.

> stress <- c(9,13,11,7,8,11,7,11,9,11,5,7,6,10,4,10,15,8,17,10)

> bidang <- factor(c(rep("psikologi",10),rep("bisnis",10)))
> kedekatan <- factor(rep(rep(c("6","1"),each=5),2))
> dat3 <- data.frame(stress,bidang,kedekatan)
> dat3
stress bidang kedekatan
1 9 psikologi 6
2 13 psikologi 6
3 11 psikologi 6
4 7 psikologi 6
5 8 psikologi 6
6 11 psikologi 1
7 7 psikologi 1
8 11 psikologi 1
9 9 psikologi 1
10 11 psikologi 1
11 5 bisnis 6
12 7 bisnis 6
13 6 bisnis 6
14 10 bisnis 6
15 4 bisnis 6
16 10 bisnis 1
17 15 bisnis 1
18 8 bisnis 1
19 17 bisnis 1
20 10 bisnis 1

4) Berikut adalah data Manova dengan ukuran sel yang sama 2x4 (dua variabel dependen, Y1 dan
Y2, dan faktor A dan faktor B):

Page 13 of 15
 Petunjuk: (6,10) pada baris pertama dan kolom pertama menyatakan bahwa 6 adalah nilai
variabel dependen 1 (Y1) dari level faktor A1 dan level faktor B1; 10 adalah nilai variabel
dependen 2 (Y2) dari level faktor A1 dan level faktor B1.
a) Lakukan analisis multivariat faktorial.
b) Lakukan pengecekan asumsi normalitas multivariat dan homogenitas matriks kovarians.
c) Manakah dari uji multivariat untuk ketiga pengaruh yang berbeda signifikan pada level 0.05?
d) Pada pengaruh yang menunjukkan signifikansi multivariat, manakah dari masing-masing
variabel (pada taraf signifikansi 0.025) yang berkontribusi terhadap signifikansi multivariat?
e) Jika pengaruh multivariat pada interaksi signifikan, lakukan uji analisis variansi dua arah. Jika
pengaruh univariat pada interaksi signifikan lakukan uji lanjut poshoc dan berikan
kesimpulan.

Appendix 1

Koro Problem set for ANOVA, MANOVA, Repeated Measures

Background:
The purpose of this study was to examine the efficacy of three experimental therapies for ameliorating
the symptoms of koro. The design is a double-blind clinical trial of these three experimental therapies
along with a control group.

Methods:
Patients for this study were forty males between the ages of 21 and 60 who were consecutive
admissions to the Waldo Jones Koro Clinic and were independently diagnosed by two clinicians as
meeting the American Psychiatric Association’s Diagnostic and Statistical Manual, V Edition (provisional),
criteria for koro disorder. These diagnostic criteria are: (1) the belief that one's penis is shrinking into
one's body; and; (2) exclusion of female gender and known medical conditions or other psychiatric
disturbance that may explain (1).

Page 14 of 15
The forty patients were randomly assigned to one of four therapies with exactly ten patients per
therapy. The first therapy, termed the control therapy here, was the traditional approach to koro taken
in the clinic. In the control condition, patients were informed that this is a well-understood disorder and
that there was no real reason to suspect that the penis was in fact getting smaller. These patients were
also given massive doses of Thorazine in case they were crazy.

The remaining three therapies were experimental treatments. Therapy number two, the first of the
experimental treatments, was a cognitive therapy in which the patients were to read daily a statement
that told them they were really good people. These patients then completed a form reporting their self-
esteem and the degree to which their self-esteem affected penis size.

Therapy number three used a behavioral modification approach. Here patients were given a little ruler
and were to record penis size each time they went to the bathroom. Daily charts of size over time were
then plotted. We considered dropping one patient from this group but in the end included him in the
analysis. (He worked outside where it was very cold.)

The final therapy was based on abreaction principles. On the first clinic visit the attending physician
would say, "Oh my God!" and admonish the patient not to touch it for a week or he will go blind and it
will fall off.

Three standard instruments were used to assess outcome. These instruments are the Symptom Index
for Koro Evaluation (SIKE), the Social Functioning for Koro Disorder Inventory (SFKDI), and the
Occupational Adjustment Scale (OAS). The three measures were given at two time points. The first time
point, termed the pretest herein, was when patients entered the clinic and before assignment to one of
the four treatments. The second time point, the post-test, occurred exactly two weeks after the start of
treatment.

The Data Set:

Variable Name: Description:
SUBJECT Subject number within group
GROUP Numeric index of group
THERAPY Character index of group
SI_PRE Symptom Index for Koro Evaluation: Pretest
SF_PRE Social Functioning for Koro Disorder Inventory: Pretest
OA_PRE Occupational Adjustment Scale: Pretest
SI_POST Symptom Index for Koro Evaluation: Posttest
SF_POST Social Functioning for Koro Disorder Inventory: Posttest
OA_POST Occupational Adjustment Scale: Posttest

Source: http://psych.colorado.edu/~carey/Courses/PSYC7291/DataSets/Documentation/koro.htm

Page 15 of 15