Hur man tolkar Excel ANOVA

November 16

Hur man tolkar Excel ANOVA


ANOVA står för variansanalys. De två-vägs med replikering ANOVA testet undersöker data från upprepade försök under vilken både "faktorer" och "nivåer" varieras. Till exempel kan en ANOVA experiment titta på tillväxttakten för tre olika sorter av vete (de faktorer) med hjälp av tre olika gödselmedel (nivåerna). Excel ANOVA beräknar statistiska "F" värden som visar om att förändra olika faktorer eller nivåer ledde till en betydande förändring av resultaten från studierna. Precis lika viktigt, säger det dig om det finns växelverkan mellan faktorer och nivåer.

Instruktioner

• Undersök tabellen över data som Excel används för ANOVA testet. Det visar data som en följd av upprepade försök att byta mellan de två faktorer och även mellan två eller flera nivåer av dessa faktorer. Varje rad representerar prövningar vid en viss faktor, och varje kolumn representerar försök på en viss nivå av faktor, med alla möjliga kombinationer representerade. I fallet med vete exempel skulle det finnas nio olika prövningar - vete 1 / gödselmedel 1, vete 1 / gödselmedel 2, och så vidare - med åtminstone två upprepningar av varje försök.

• Undersök kalkylbladet som innehåller Excel ANOVA utgång och hitta tabellen märkt "ANOVA."

• Hitta raderna märkta "Sample", "Kolumner" och "Interaktioner" i kolumnen längst till vänster i ANOVA tabellen. Följ dessa rader till höger tills du kommer till kolumnen med rubriken "F." I den här kolumnen hittar du de beräknade F-värden i samband med din ursprungliga prövningar. Det kommer att finnas en F-värdet för vardera prov, kolumner och interaktioner. F är ett test statistik som Excel beräknar baserat på hur mycket variation det finns inom grupper av data, såsom alla försök med samma faktor, jämfört med mellan grupper.

• Fortsätt att följa samma rader till höger tills du kommer till kolumnen med rubriken "F krit." I den här kolumnen hittar du de kritiska F-värden för prov, kolumn och interaktioner. Detta är ett standardvärde som Excel tittar upp i en intern databas. Det är ett pass / misslyckas tröskelvärde baserat på olika statistiska faktorer, inklusive antalet försök.

• Jämför F-värdet för prov raden till kritiska F-värdet för samma rad. Om F-värdet är större än de kritiska F-, innebär detta att förändras mellan faktorer i dina prövningar hade en statistiskt signifikant effekt på resultatet av dessa rättegångar. I fallet med vete exempel skulle det innebära att den typ av vete som används påverkade observerade tillväxttakten. Om F-värdet var lägre än de kritiska F- faktorn hade en effekt som inte är större än väntat slumpmässig variation och var inte signifikant.

• Jämför F-värdet för kolumner raden mot kritiska F-värdet för den raden. Denna gång, om F-värdet för denna rad överskrider den kritiska F, betyder det att variera nivåerna av de faktorer hade en betydande effekt. I exemplet, skulle detta innebära att den särskilda gödningsmedel används gjort en skillnad för tillväxten av vete som skulle kunna särskiljas från slumpen variation.

• Jämför F-värdet för Interaktioner rad till den raden kritiska F-värdet. Om F-värdet för denna rad överstiger den kritiska F, säger det dig att det fanns signifikanta interaktioner mellan dina faktorer och dina nivåer. Detta innebär att mängden variation man får när man byter från en faktor till ett annat beror på vilken nivå du befinner dig på. Till exempel kan vete 2 har den högsta tillväxttakten, men bara när man använder gödningsmedel 3.


Relaterade artiklar