Cómo leer la salida de dos factores ANOVA

De dos factores ANOVA son un método estadístico para calcular los efectos de dos factores diferentes en múltiples poblaciones. Ellos permiten poner a prueba una hipótesis alternativa en contra de una hipótesis nula sobre la base de muestras en varios grupos. De dos factores ANOVA son ecuaciones estadísticas complejas y generalmente se calculan con un programa de software. Independientemente de qué software que utilice, la misma información se mostrará en la ventana de resultados. Interpretar pruebas de ANOVA de dos factores mediante la comprensión del significado de cada componente.

Instrucciones

1 Lea sus categorías de arriba a abajo como "tratamiento de una sola", "tratamiento de dos", "interacción", "dentro" y "total". Los dos tratamientos representan los datos en bruto y la categoría de "interacción" representa el efecto de estos tratamientos en combinación. La "dentro" de la categoría muestra la variación dentro de sus categorías y el "total" proporciona información con respecto a todas sus categorías.

2 Lea la columna titulada "DF", como los grados de libertad para cada categoría. Los grados de libertad para cada tratamiento es la suma del tamaño de muestra menos uno. Grados de libertad representan el número de muestras que pueden variar dentro de un tamaño total de la muestra.

3 Interpretar la columna titulada "SS" como la suma de los cuadrados. La suma de cuadrados se calcula elevando al cuadrado las desviaciones de cada categoría y sumándolos. Suma de cuadrados representa la cantidad de los datos varía en las muestras.

4 Leer la columna "MS" como media cuadrada, que es el producto de la suma de cuadrados dividida por los grados de libertad. El valor cuadrático medio representa la cantidad de una categoría varía entre su suma de los cuadrados y grados de libertad. Un valor cuadrático medio importante es el cuadrado medio del error, que muestra la varianza dentro de sus grupos.

5 Interpretar la columna "F" como el ANOVA F-estadística. El F-estadística muestra la distribución de los valores con respecto a sus datos y la hipótesis nula. Un gran valor F se presta en general a rechazar la hipótesis nula y un pequeño valor F conduce generalmente a no rechazar la hipótesis nula.

6 Lea la columna "valor P" para rechazar definitivamente o no rechazar la hipótesis nula. A pesar de que el F-estadística es útil para determinar qué curso de acción a tomar, el valor P proporciona la probabilidad real de la media poblacional valor dado sus muestras. Por ejemplo, si se utiliza una prueba de 5 por ciento y el valor P es inferior al 5 por ciento, puede rechazar la hipótesis nula.