Come interpretare Excel ANOVA

Passaggio 1

Rivedere la tabella dei dati utilizzata da Excel per il test ANOVA. Vengono mostrati i dati risultanti da ripetuti test di commutazione tra i due fattori e anche tra due o più livelli di tali fattori. Ogni riga rappresenta un particolare fattore di test e ogni colonna rappresenta i test a un determinato livello di fattore, con tutte le possibili combinazioni rappresentate. Nel caso dell'esempio del grano, ci sarebbero nove prove diverse, grano 1 / fertilizzante 1, grano 1 / fertilizzante 2 e così via, con almeno due ripetizioni di ciascuna prova.

Passaggio 2

Esamina il foglio di calcolo di Excel che contiene l'output ANOVA e cerca la tabella "ANOVA".

Passaggio 3

Trova le righe etichettate "Esempio", "Colonne" e "Interazione" nella colonna più a sinistra della tabella ANOVA. Seguire queste righe a destra fino a raggiungere la colonna con il titolo "F". Questa colonna contiene i valori F calcolati associati ai test originali. Ci sarà un valore di F per ogni campione, colonne e interazioni. F è un test statistico che Excel calcola in base alla quantità di variazione nei gruppi di dati, come tutte le prove che utilizzano lo stesso fattore, rispetto ai gruppi.

Passaggio 4

Continua seguendo le stesse righe a destra fino a raggiungere la colonna con il titolo "F crit". In questa colonna sono riportati i valori critici di F per Campione, Colonna e Interazioni. Questo è un valore standard che Excel cerca in un database interno. È un pass / no-pass basato su diversi fattori statistici, incluso il numero di prove.

Passaggio 5

Confrontare il valore F della riga Sample per il valore critico F per la stessa riga. Se il valore di F è maggiore della F critica, ciò significa che i cambiamenti tra i fattori nelle prove hanno avuto un effetto statisticamente significativo sui risultati di tali prove. Nel caso dell'esempio del grano, ciò significherebbe che il tipo di grano utilizzato ha influenzato il tasso di crescita osservato. Se il valore di F era inferiore alla F critica, il fattore non aveva un effetto maggiore della variazione casuale prevista e non era significativo.

Passaggio 6

Confronta il valore F della riga di colonne con il valore F critico per quella riga. Questa volta, se il valore F per questa riga supera la F critica, significa che la variazione dei livelli del fattore ha avuto un effetto significativo. Nell'esempio, ciò significherebbe che il particolare fertilizzante utilizzato ha fatto la differenza nel tasso di crescita del grano che poteva essere distinto dalla possibilità di variazioni casuali.

Passaggio 7

Confrontare il valore F della riga Interazioni con il valore della riga F critica. Se il valore di F per questa riga supera la F critica, ti dice che ci sono state interazioni significative tra i fattori e i loro livelli. Ciò significa che la quantità di variazione che si ottiene quando si passa da un elemento a un altro dipenderà dal livello in cui ci si trova. Ad esempio, il grano 2 può avere il più alto tasso di crescita, ma solo quando viene utilizzato il fertilizzante 3.

Articoli Interessanti