Two - factor ANOVA testen zijn een statistische methode om de effecten van twee verschillende te berekenen op meerdere populaties . Ze laten je een alternatieve hypothese tegen een nul-hypothese op basis van steekproeven in verschillende groepen te testen . Twee - factor ANOVA testen zijn complexe statistische vergelijkingen en zijn over het algemeen berekend met een softwareprogramma. Ongeacht welke software je gebruikt , zal dezelfde gegevens worden weergegeven in de output venster . Interpreteer twee - factor ANOVA testen door het begrijpen van de betekenis van elk onderdeel . Instructies
1 Lees de categorieën van boven naar beneden zoals "behandeling een ", " twee behandeling , " " interactie ", " binnen " en " geheel". de twee behandelingen goed zijn voor uw ruwe gegevens en de categorie " interactie " vertegenwoordigt het effect van die behandelingen in combinatie . De categorie " binnen " toont de variatie binnen de categorieën en de " totale " biedt informatie over al uw categorieën . Kopen van 2 Lees de kolom " DF " als het aantal vrijheidsgraden voor elke categorie . De vrijheidsgraden voor elke behandeling is de som van de steekproefomvang min een . Vrijheidsgraden geven het aantal monsters dat kan variëren binnen een totale steekproefgrootte .
3 Interpreteer de kolom " SS " als de som van de kwadraten . De som van de kwadraten wordt berekend door de kwadratuur van de afwijkingen van elke categorie en toe te voegen aan elkaar . Som van de kwadraten vertegenwoordigt hoeveel de gegevens varieert in de monsters .
4 Lees de kolom " MS " als gemiddelde vierkante , die het product is van de som van de kwadraten gedeeld door het aantal vrijheidsgraden . De gemiddelde kwadratische waarde is hoeveel Als varieert de som van de kwadraten en vrijheidsgraden . Een belangrijke gemiddelde kwadratische waarde is de fout mean square , die laat je de variantie binnen uw groep .
5 Interpreteer de " F"- kolom als de ANOVA F - statistiek . De F - statistiek toont de verdeling van de waarden met betrekking tot uw gegevens en de nulhypothese . Een grote F - waarde leent algemeen verwerpen de nulhypothese en een kleine F- waarde leidt in het algemeen tot niet in slagen om de nulhypothese te verwerpen .
6 Lees de "P - waarde " kolom om definitief af te wijzen of niet aan uw nulhypothese verwerpen . Hoewel de F - statistiek is nuttig bij het bepalen welke manier van handelen te nemen , de P- waarde geeft de werkelijke kans op de gemiddelde waarde bevolking gegeven uw monsters . Bijvoorbeeld , als je gebruik maakt van een 5 procent -test en de P- waarde van minder dan 5 procent , kunt u uw nulhypothese verwerpen .
|
