Due fattori ANOVA test sono un metodo statistico per calcolare gli effetti di due diversi fattori sulle popolazioni multiple. Essi consentono di testare un'ipotesi alternativa contro un'ipotesi nulla sulla base di campioni in diversi gruppi. Due fattori ANOVA test sono equazioni complesse statistiche e generalmente vengono calcolati con un programma software. Indipendentemente dal fatto che si utilizza il software, le stesse informazioni verranno visualizzate nella finestra output. Interpretare due fattori ANOVA test di comprensione del significato di ogni componente.

Istruzioni

1

Leggere le categorie dall'alto verso il basso tra cui "trattamento uno," "trattamento due,", "interazione", "all'interno" e "totale". L'account di due trattamenti per i dati grezzi e la categoria di "interazione" rappresenta l'effetto di tali trattamenti in combinazione. La categoria "all'interno" Visualizza la variazione possibile nelle vostre categorie e "totale" fornisce informazioni relative a tutte le categorie.

2

Leggere 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. Le deviazioni di ciascuna categoria di squadratura e aggiungendoli insieme viene calcolata la somma dei quadrati. Somma dei quadrati rappresenta quanto i dati variano nei campioni.

4

Leggere la colonna denominata "MS" come quadratico, che è il prodotto della somma dei quadrati diviso per i gradi di libertà. Il valore quadratico medio rappresenta una categoria di quanto varia tra la somma dei quadrati e gradi di libertà. Un valore medio importante è l'errore quadratico, che consente di visualizzare la varianza all'interno dei vostri gruppi.

5

La colonna "F" viene interpretato come la statistica F ANOVA. La statistica F Visualizza la distribuzione dei valori per quanto riguarda i vostri dati e l'ipotesi di null. Un grande F-valore generalmente si presta a rifiutare l'ipotesi di null e un piccolo F-valore generalmente porta a non riuscendo a rifiutare l'ipotesi nulla.

6

Leggere la colonna "P-value" per definitivamente rifiutare o non riescono a rifiutare il vostro ipotesi. 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 P-valore è inferiore al 5%, è possibile rifiutare la tua ipotesi di null.