To -faktor ANOVA test er en statistisk metode til at beregne effekten af to forskellige faktorer på flere befolkninger. De tillader dig at teste en alternativ hypotese mod en nul-hypotese er baseret på stikprøver i flere grupper. To -faktor ANOVA tests er komplekse statistiske ligninger og er generelt beregnet med et program . Uanset hvilken software du bruger, vil de samme oplysninger skal vises i output -vinduet. Fortolke to-faktor ANOVA tests ved at forstå betydningen af hver komponent. Instruktioner
1
Læs dine kategorier fra top til bund , herunder " behandling én ", " behandling to ", " samspil ", " inden " og " total ". de to behandlinger redegøre for dine rå data og " interaktion" kategorien repræsenterer effekten af disse behandlinger i kombination. Den " inden " kategorien viser variationen inden dine kategorier og " total " giver oplysninger om alle dine kategorier.
2
Læs kolonnen mærket "DF " som frihedsgraderne for hver kategori. Frihedsgraderne for hver behandling er summen af prøvens størrelse minus én. Frihedsgrader repræsenterer antallet af prøver , der kan variere inden for en samlet stikprøve.
3
Fortolk kolonnen mærket " SS " som summen af kvadrater. Summen af kvadrater er beregnet ved kvadratur afvigelserne af hver kategori og tilføje dem sammen. Summen af kvadrater angiver, hvor meget data varierer i prøverne.
4
Læs kolonnen mærket "MS " som middel torv, som er produktet af summen af kvadrater divideret med frihedsgraderne . Den gennemsnitlige firkantede værdi repræsenterer , hvor meget en kategori varierer mellem dets sum af kvadrater og grader af frihed. En vigtig middelværdi er den fejl betyder torv, som viser dig varians inden dine grupper .
5.
Fortolk "F" kolonne som ANOVA F- statistik. F- statistik viser fordelingen af værdier vedrørende dine data og nulhypotesen . En stor F- værdi generelt låner til at forkaste nulhypotesen og en lille F- værdien generelt fører til ikke at afvise nulhypotesen .
6
Læs "P- værdi " kolonnen definitivt at afvise eller undlader at afvise din nulhypotesen . Selvom F- statistik er nyttige i at afgøre, hvilke fremgangsmåde til at tage den P- værdi giver den faktiske sandsynlighed for befolkningen middelværdi givet dine prøver . For eksempel, hvis du bruger en 5 procent testen og din P -værdien er mindre end 5 procent kan du afvise din nul-hypotese .