Zwei -Faktor- ANOVA -Tests sind eine statistische Methode , um die Auswirkungen von zwei verschiedenen Faktoren auf mehreren Populationen zu berechnen. Sie ermöglichen es, eine alternative Hypothese gegen eine Null-Hypothese an Proben in mehreren Gruppen basierend testen. Zwei - Faktor ANOVA Tests komplexen statistischen Gleichungen und werden in der Regel mit einem Softwareprogramm berechnet . Unabhängig davon, welche Software Sie verwenden, werden die gleichen Informationen in der Ausgabe angezeigt werden. Interpretieren Sie die Zwei-Faktor ANOVA Tests durch das Verständnis der Bedeutung der einzelnen Komponenten. Anleitung
1
Lesen Sie Ihre Kategorien von oben nach unten , darunter " eine Behandlung ", " Behandlung zwei ", " Interaktion ", " innen" und "total ". die beiden Behandlungen Konto für Ihre Rohdaten und das " Zusammenspiel " Kategorie stellt die Wirkung dieser Behandlungen in Kombination. Die " innerhalb " Kategorie zeigt die Variation innerhalb Ihrer Kategorien und das " total" gibt Auskunft über alle Ihre Kategorien.
2
Lesen Sie die Spalte mit der Bezeichnung "DF ", wie die Freiheitsgrade für jeder Kategorie. Die Freiheitsgrade für jede Behandlung ist die Summe der Stichprobengröße minus eins. Freiheitsgrade repräsentieren die Anzahl der Proben , die innerhalb eines gesamte Stichprobengröße variieren können .
3
Interpretieren Sie die Spalte mit der Bezeichnung "SS" als die Summe der Quadrate . Die Summe der Quadrate wird durch Quadrieren der Abweichungen der einzelnen Kategorien auf und fügt sie zusammen berechnet. Summe der Quadrate repräsentiert , wie viel die Daten in den Proben variiert .
4
Lesen Sie die Spalte mit der Bezeichnung "MS" als mittlere quadratische , die das Produkt aus der Summe der Quadrate durch die Freiheitsgrade geteilt . Die mittlere quadratische Wert gibt an, wie viel eine Kategorie zwischen seinen Summe der Quadrate und Freiheitsgrade variiert . Eine wichtige mittlere quadratische Wert ist der mittlere quadratische Fehler , die Ihnen zeigt die Varianz innerhalb Ihrer Gruppe .
5
Interpretieren Sie die "F" -Spalte als ANOVA F- Statistik. Die F-Statistik zeigt die Verteilung der Werte in Bezug auf Ihre Daten und die Null-Hypothese . Eine große F- Wert in der Regel verleiht der Ablehnung der Nullhypothese und eine kleine F- Wert in der Regel führt zum Nicht die Nullhypothese abzulehnen.
6
Lesen Sie die " P- Wert "-Spalte , um endgültig ablehnen oder nicht Ihren Nullhypothese abzulehnen. Obwohl die F- Statistik ist hilfreich bei der Bestimmung, welche Vorgehensweise zu nehmen, bietet der P- Wert die tatsächliche Wahrscheinlichkeit der Bevölkerung Mittelwert angesichts Ihrer Proben . Zum Beispiel, wenn Sie eine 5-Prozent -Test und verwenden Sie Ihre P- Wert kleiner als 5 Prozent , können Sie Ihre Nullhypothese abzulehnen .
