Slik leser Excel ANOVA

ANOVA står for analyse av varians. Den to-veis ANOVA med replikering test undersøker data fra gjentatte forsøk i løpet av hvilken både "faktorer" og "nivåer" er variert. For eksempel kan en ANOVA eksperiment ser på vekstrater på tre forskjellige varianter av hvete (de faktorer) ved hjelp av tre ulike gjødsel (nivåene). Excel ANOVA funksjonen beregner statistiske "F" verdier som viser om endring ulike faktorer eller nivåer resulterte i en betydelig endring i studieresultatene. Like viktig, forteller den deg om det er samspill mellom faktorer og nivåer.

Bruksanvisning

1 Undersøke tabell av data som Excel brukes for ANOVA-testen. Det viser data som resulterte fra gjentatte forsøk bytte mellom de to faktorene, og også mellom to eller flere nivåer av disse faktorene. Hver rad representerer forsøk på en bestemt faktor, og hver kolonne representerer forsøk på et bestemt nivå av faktor, med alle mulige kombinasjoner representert. I tilfelle av hvete eksempel, ville det være ni forskjellige forsøk - hvete 1 / gjødsel 1, hvete 1 / gjødsel 2, og så videre - med minst to ganger i hvert forsøk.

2 Undersøk regnearket som inneholder Excel ANOVA produksjon og finne bordet merket "ANOVA."

3 Finn radene merket "Sample", "Kolonner" og "Samspill" i venstre kolonnen lengst ANOVA tabellen. Følg disse radene til høyre til du kommer til kolonnen med overskriften "F." I denne kolonnen, vil du finne de beregnede F verdier knyttet til den opprinnelige prøvelser. Det vil være en F-verdi hver for prøve, Kolonner og interaksjoner. F er en testobservator som Excel beregner basert på hvor mye variasjon det er innenfor grupper av data, for eksempel alle forsøk med samme faktor, sammenlignet mellom grupper.

4 Fortsett å følge de samme radene til høyre til du kommer til kolonnen med overskriften "F crit." I denne kolonnen, vil du finne de kritiske F-verdiene for Sample, Kolonne og interaksjoner. Dette er en standard verdi som Excel ser opp i en intern database. Det er en bestått / ikke bestått terskel basert på ulike statistiske faktorer, inkludert antall forsøk.

5 Sammenlign F-verdien for prøve rad til kritiske F-verdien for den samme rad. Hvis F-verdien er større enn den kritiske F, betyr dette at endring mellom faktorene i deres studier hadde en statistisk signifikant effekt på resultatet av disse forsøk. I tilfelle av hvete eksempel, ville det bety at den type hvete som brukes påvirkes den observerte vekstrate. Hvis F-verdi var under det kritiske F, den faktor hadde en effekt som ikke er større enn forventet tilfeldig variasjon og var ikke signifikant.

6 Sammenlign F-verdien for Kolonner raden til den kritiske F-verdien for den raden. Denne gangen, hvis F-verdien for denne rad overskrider den kritiske F, betyr det at varierende nivåene av de faktorer som hadde en betydelig effekt. I eksempelet vil dette bety at den bestemte gjødsel brukes gjort en forskjell for veksten av hvete som kan skilles fra tilfeldig sjanse variasjon.

7 Sammenlign F-verdien for Interaksjoner raden til den raden kritiske F-verdien. Hvis F-verdien for denne raden stiger den kritiske F, forteller det deg at det var signifikante interaksjoner mellom dine faktorer og nivåer. Dette betyr at mengden av variasjonen du får når du skifter fra en faktor til en annen, vil avhenge av hvilket nivå du er på. For eksempel kan hvete 2 har den høyeste vekstraten, men bare ved bruk av gjødsel tre.

Hint

• Husk at, i likhet med mange statistiske analyser, har denne testen en sjanse for å bli feil. Den prosentvise sjansen for å gjøre feil i dine konklusjoner er representert ved alfa verdi som var innspill til Excel når du først velger parametere for ANOVA test.