Come leggere due fattori ANOVA uscita

Two -factor test ANOVA è un metodo statistico per calcolare gli effetti di due fattori diversi su più popolazioni . Essi consentono di testare una ipotesi alternative rispetto a una ipotesi nulla sulla base di campioni in diversi gruppi . Test ANOVA a due fattori sono equazioni statistici complessi e sono generalmente calcolate con un programma software . Indipendentemente dal software utilizzato , la stessa informazione viene visualizzata nella finestra di output . Interpretare i test ANOVA a due fattori con la comprensione del significato di ogni componente. Istruzioni
1

Leggi le categorie da cima a fondo , tra cui " un trattamento ", "trattamento due", " interazione ", "dentro " e " totale". i due trattamenti rappresentano i vostri dati grezzi e la categoria di " interazione " rappresenta l'effetto di questi trattamenti in combinazione . La categoria "dentro" mostra la variazione entro le categorie e il "totale" fornisce informazioni per quanto riguarda tutte le categorie.
2

Leggi la colonna denominata " DF ", come i gradi di libertà per ogni categoria . I gradi di libertà per ogni trattamento è la somma della dimensione del campione meno uno. Gradi di libertà rappresentano il numero di campioni che possono variare all'interno di una dimensione totale del campione .
3

Interpretare la colonna denominata " SS ", come la somma dei quadrati . La somma dei quadrati viene calcolato quadratura le deviazioni di ciascuna categoria e sommandoli . Somma dei quadrati rappresenta quanto i dati variano nei campioni .
4

Leggi la colonna denominata "MS ", come quadratico medio , che è il prodotto della somma dei quadrati divisa per i gradi di libertà . Il valore medio quadrato rappresenta quanto una categoria varia tra la sua somma dei quadrati e gradi di libertà . Un importante valore quadratico medio è l'errore quadratico medio , che mostra la varianza entro i gruppi.
5

Interpretare la colonna " F ", come la F - statistica ANOVA . La statistica F mostra la distribuzione dei valori per quanto riguarda i tuoi dati e l'ipotesi nulla . Un grande valore di F presta in generale a rifiutare l'ipotesi nulla e un piccolo F -value generalmente porta a non riuscire a rifiutare l'ipotesi nulla .
6

Leggi la colonna " P -value " di respingere definitivamente o non rifiutare la tua ipotesi nulla . Anche se la statistica F è utile per determinare quale corso di azione da intraprendere , il P-value fornisce la probabilità effettiva del valore medio della popolazione dato i vostri campioni . Ad esempio , se si utilizza un test di 5 per cento e il tuo p-value è inferiore al 5 per cento , è possibile rifiutare la tua ipotesi nulla .