Jednoczynnikowa ANOVA
Ta zmienna wymaga opcji Statistics Base.
Procedura Jednoczynnikowa ANOVA generuje jednoczynnikową analizę wariancji dla ilościowej zmiennej zależnej i pojedynczego czynnika (niezależnego) oraz szacuje wielkość efektu w jednoczynnikowej analizie ANOVA. Analizę wariancji wykorzystuje się do testowania hipotezy o równości kilku średnich. Technika ta jest rozszerzeniem testu t dla dwóch prób.
Oprócz wykazania różnic między średnimi może zaistnieć potrzeba określenia, które średnie są różne. Istnieją dwa typy testów służące do porównywania średnich: kontrasty a priori i testy post hoc. Kontrasty są testami zdefiniowanymi przed przeprowadzeniem eksperymentu, natomiast testy post hoc są przeprowadzane po zakończeniu eksperymentu. Można także przeprowadzić test trendów w kategoriach.
- Przykład
- Podczas gotowania pączki wchłaniają tłuszcz w różnych ilościach. Przeprowadza się eksperyment z użyciem trzech rodzajów tłuszczu: oleju z orzeszków ziemnych, oleju kukurydzianego i smalcu. Olej orzechowy i olej kukurydziany są tłuszczami nienasyconymi, natomiast smalec jest tłuszczem nasyconym. Wraz z ustaleniem, czy ilość wchłoniętego tłuszczu zależy od rodzaju użytego tłuszczu, można zdefiniować kontrast a priori w celu ustalenia, czy ilość wchłoniętego tłuszczu jest różna dla tłuszczów nasyconych i nienasyconych.
- Narzędzia statystyczne
- Dla każdej grupy: liczba obserwacji, średnia, odchylenie standardowe, błąd standardowy średniej, minimum, maksimum, 95% przedział ufności dla średniej oraz oszacowanie wielkości efektu dla jednoczynnikowej analizy ANOVA. Test Levene’a jednorodności wariancji, tabela analizy wariancji dla każdej zmiennej zależnej, określone przez użytkownika kontrasty a priori oraz testy rozstępów post hoc i wielokrotne porównania: Bonferroniego, Sidaka, rzeczywiście znacząca różnica Tukeya, GT2 Hochberga, Gabriela, Dunnetta, test F Ryana-Einota-Gabriela-Welscha (F R-E-G-W), test rozstępów Ryana-Einota-Gabriela-Welscha (Q R-E-G-W), T2 Tamhane'a, T3 Dunnetta, Gamesa-Howella, C Dunnetta, test Duncana wielokrotnych rozstępów, Studenta-Newmana-Keulsa (S-N-K), b Tukeya, Wallera-Duncana, Scheff’a i najmniej znacząca różnica.
Wymagania dotyczące danych
- danych
- Zmienna zależna powinna być zmienną ilościową (interwałowy poziom pomiaru).
- Założenia
- Każda grupa jest niezależną próbą losową z normalnej populacji. Analiza wariancji jest odporna na odstępstwa od rozkładu normalnego, ale dane powinny być symetryczne. Grupy powinny pochodzić z populacji o równych wariancjach. Aby przetestować to założenie, należy użyć testu jednorodności wariancji Levene’a.
Uzyskiwanie jednoczynnikowej analizy wariancji
Ta zmienna wymaga opcji Statistics Base.
- Z menu wybierz:
- Wybierz co najmniej jedną zmienną zależną.
- Wybierz pojedynczy czynnik niezależny.
Opcjonalnie można wykonać następujące czynności:
- Wybierz opcję Szacuj wielkość efektu dla całych testów, aby wykonać obliczenia wielkości efektu dla całego testu. Gdy ta opcja jest zaznaczona, wyniki zawierają tabelę wielkości efektu ANOVA.
- Kliknij opcję Kontrasty, aby podzielić międzygrupowe sumy kwadratów na składniki trendu lub określić kontrasty a priori.
- Kliknij opcję Post Hoc, aby użyć testów rozstępów post hoc i wielokrotnych porównań parami w celu określenia, które średnie są różne.
- Kliknij przycisk Opcje, aby określić przedział ufności oraz sposób postępowania z brakami danych.
- Bootstrap to metoda uzyskiwania mocnych oszacowań błędów standardowych i przedziałów ufności dla ocen, takich jak średnia, mediana, proporcja, iloraz szans, współczynnik korelacji albo współczynnik regresji.
Ta procedura służy do wkleiania składni komendy ONEWAY .