Methoden und Formeln für ANOVA für balancierte Daten

Wählen Sie die gewünschte Methode oder Formel aus.

Balanciertes ANOVA-Modell

Das balancierte ANOVA-Modell für drei oder mehr Faktoren stellt eine direkte Erweiterung eines Modells der zweifachen Varianzanalyse dar.

Ein balanciertes Drei-Faktor-ANOVA-Modell mit den Faktoren A, B und C lautet wie folgt:

yijkm = μ + α i+ β j + γ k + (αβ)ij+ (αγ)ik+ (βγ)jk+ (αβγ)ijkijkm

Wenn die Faktoren fest sind, gilt Σαi = 0, Σβj = 0, Σγk = 0, Σ(αβ)ij = 0, Σ(αγ)ik = 0, Σ(βγ)jk = 0, Σ(αβγ)ijk = 0 und εijkm sind unabhängig und gemäß N(0, σ2) verteilt.

Wenn die Faktoren zufällig sind, sind α i, β j , γk, (αβ)ij, (αγ)ik, (βγ)jk, (αβγ)ijk und εijkm unabhängige Zufallsvariablen. Die Variablen sind normalverteilt mit dem Mittelwert null und Varianzen, die angegeben werden durch V(αi) = σ2α, V(β j) = σ2β, V(γk) = σ2γ, V[(αβ)ij] = σ2αβ, V[(αγ)jk] = σ2αγ, V[(βγ)jk] = σ2βγ, V(εijkm) = σ2.

Das Drei-Faktor-Modell kann auf Modelle mit mehr als drei Faktoren erweitert werden.

Faktormittelwerte

Formel

Der Durchschnitt der Beobachtungen für einen Faktor auf einer bestimmten Stufe. Die Formeln lauten wie folgt:

Mittelwert von Faktor A:

Mittelwert von Faktor B:

Mittelwert von Faktor C:

Gesamtmittelwert:

Notation

BegriffBeschreibung
yi...Summe aller Beobachtungen auf der i-ten Faktorstufe von A
y.j..Summe aller Beobachtungen auf der j-ten Faktorstufe von B
y..k.Summe aller Beobachtungen auf der k-ten Faktorstufe von C
y....Summe aller Beobachtungen in der Stichprobe
aAnzahl der Stufen in A
bAnzahl der Stufen in B
cAnzahl der Stufen in C
nAnzahl der Beobachtungen in den einzelnen Kombinationen von Faktor und Stufen

Summe der Quadrate (SS)

Die Summe der quadrierten Distanzen. SS Gesamt gibt die Gesamtstreuung der Daten an. SS (A), SS (B) und SS (C) stellen den Betrag der Streuung des geschätzten Mittelwerts der Faktorstufen um den Gesamtmittelwert dar. Gelegentlich werden diese auch als Summe der Quadrate zwischen Behandlungen bezeichnet. SS(AB), SS(AC), SS(BC) und SS(ABC) stellen den Betrag der Streuung dar, der vom jeweiligen Wechselwirkungsterm erklärt wird. SS Fehler stellt den Betrag der Streuung zwischen dem angepassten Wert und der tatsächlichen Beobachtung dar. Dies wird auch als Fehler innerhalb von Behandlungen bezeichnet. Bei diesen Formeln wird angenommen, dass ein vollständiges Modell angepasst wird. Die Berechnungen lauten wie folgt:

  • SS Fehler = SS gesamt – SS (für alle Terme im Modell)

Notation

BegriffBeschreibung
aAnzahl der Stufen in Faktor A
bAnzahl der Stufen in Faktor B
cAnzahl der Stufen in Faktor C
nGesamtzahl der Versuche
Mittelwert der i-ten Faktorstufe von Faktor A
Gesamtmittelwert aller Beobachtungen
Mittelwert der j-ten Faktorstufe von Faktor B
Mittelwert der k-ten Faktorstufe von Faktor C
geschätzter Behandlungsmittelwert

Freiheitsgrade (DF)

Die Freiheitsgrade für jede Komponente des Modells werden wie folgt ausgedrückt:

Quellen der Streuung DF
Faktor ki – 1
Kovariaten und Wechselwirkungen zwischen Kovariaten 1
Wechselwirkungen, die Faktoren umfassen
Regression p
Fehler n p – 1
Gesamt n – 1

Notation

BegriffBeschreibung
kiAnzahl der Stufen im i-ten Faktor
mAnzahl der Faktoren
n Anzahl der Beobachtungen
p Anzahl der Koeffizienten im Modell, wobei die Konstante nicht gezählt wird

Mittel der Quadrate (MS)

Formeln

F

Für eine Drei-Faktor-ANOVA mit durchgängig festen Faktoren werden die F-Statistiken mit den folgenden Formeln ausgedrückt, wenn das Modell vollständig ist.

Formeln

  • Für F(A) sind die Freiheitsgrade für den Zähler gleich a – 1 und für den Nenner gleich (n – 1)abc.
  • Für F(B) sind die Freiheitsgrade für den Zähler gleich b – 1 und für den Nenner gleich (n – 1)abc.
  • Für F(C) sind die Freiheitsgrade für den Zähler gleich c – 1 und für den Nenner gleich (n – 1)abc.
  • Für F(AB) sind die Freiheitsgrade für den Zähler gleich (a – 1)(b – 1) und für den Nenner gleich (n – 1)abc.
  • Für F(AC) sind die Freiheitsgrade für den Zähler gleich (a – 1)(c – 1) und für den Nenner gleich (n – 1)abc.
  • Für F(BC) sind die Freiheitsgrade für den Zähler gleich (b – 1)(c – 1) und für den Nenner gleich (n – 1)abc.
  • Für F(ABC) sind die Freiheitsgrade für den Zähler gleich (a – 1)(b – 1)(c – 1) und für den Nenner gleich (n – 1)abc.

Wenn Zufallsfaktoren im Modell enthalten sind, wird das F-Verhältnis für jeden Term durch das erwartete Mittel der Quadrate für jeden Term bestimmt.

Größere Werte für F legen nahe, dass die Nullhypothese zurückgewiesen werden sollte. Sie können schlussfolgern, dass der Effekt statistisch signifikant ist.

p-Wert – Tabelle der Varianzanalyse

Der p-Gesamtwert für das Modell gilt für den Test der Nullhypothese, die besagt, dass alle im Modell enthaltenen Koeffizienten mit Ausnahme des Koeffizienten für die Konstante gleich null sind. Der p-Wert ist ein Wahrscheinlichkeitsmaß, das aus einer F-Verteilung mit den Freiheitsgraden (DF) wie folgt berechnet wird:

DF des Zählers
Summe der Freiheitsgrade für den Term oder die Terme im Test
DF des Nenners
Freiheitsgrade für Fehler

Formel

1 − P(Ffj)

Notation

BegriffBeschreibung
P(Ff)kumulative Verteilungsfunktion für die F-Verteilung
fF-Statistik für den Test

S

Notation

BegriffBeschreibung
MSEMittleres Fehlerquadrat

R-Qd

R2 wird auch als Determinationskoeffizient bezeichnet.

Formel

Notation

BegriffBeschreibung
yi i-ter beobachteter Wert der Antwortvariablen
Mittelwert der Antwortvariablen
i-ter angepasster Wert der Antwortvariablen

R-Qd(kor)

Obwohl die Berechnungen für das korrigierte R2 negative Werte ergeben können, zeigt Minitab in derartigen Fällen null an.

Notation

BegriffBeschreibung
i-ter beobachteter Wert der Antwortvariablen
i-ter angepasster Wert der Antwortvariablen
Mittelwert der Antwortvariablen
nAnzahl der Beobachtungen
pAnzahl der Terme im Modell

Varianzkomponenten

Minitab berechnet nur für Zufallsfaktoren Varianzkomponenten. Die Formeln werden anhand eines Modells mit zwei Zufallsfaktoren veranschaulicht.

Hierbei sind αi, βj , (αβ)ij und εijk unabhängige Zufallsvariablen. Die Variablen sind normalverteilt mit dem Mittelwert null, und die Varianzen werden durch diese Formeln ausgedrückt:

Bei diesen Varianzen handelt es sich um die Varianzkomponenten. Testen Sie in diesem Fall die Hypothese, dass die Varianzkomponenten gleich null sind.

Für ein eingeschränktes gemischtes Modell mit zwei Faktoren wird das Modell wie folgt ausgedrückt:

Hierbei ist αi ein fester Effekt, βj ist ein Zufallseffekt, (αβ)ij, ist ein Zufallseffekt, und εijk ist der Zufallsfehler. Σαi = 0 und Σ(αβ)ij = 0 für jedes j. Die Varianzen sind V(βj) = σ2β,V[(αβ)ij] =[(a–1)/a]σ2αβ und V(εijk) = σ2. σ2β, σ2αβ und σ2 sind Varianzkomponenten. Die Summierung der Wechselwirkungskomponente über den festen Faktor ergibt null, was darauf verweist, dass es sich um das eingeschränkte gemischte Modell handelt.

Für ein uneingeschränktes gemischtes Modell mit einem festen Faktor A und einem Zufallsfaktor B wird das Modell mit folgender Formel beschrieben:

Hierbei sind αi feste Effekte und βj, (αβ)ij sowie εijk nicht korrelierte Zufallsvariablen mit dem Mittelwert null und den folgenden Varianzen:

Bei diesen Varianzen handelt es sich um die Varianzkomponenten. Σα i = 0 und Σ(αβ)ij = 0 für jedes j.

Diese Informationen beziehen sich auf balancierte Modelle. Informationen zu nicht balancierten bzw. komplexeren Modellen finden Sie in Montgomery1 und Neter2.

  1. D. C. Montgomery (1991). Design and Analysis of Experiments, Third Edition. John Wiley & Sons.
  2. J. Neter, W. Wasserman und M. H. Kutner (1985). Applied Linear Statistical Models, Second Edition. Irwin, Inc.

Erwartetes Mittel der Quadrate

Die Formeln für das erwartete Mittel der Quadrate für ein Modell mit Zufallseffekten und den zwei Faktoren A und B lauten wie folgt:

Die Formeln für das erwartete Mittel der Quadrate für ein eingeschränktes gemischtes Modell mit den zwei Faktoren A (fest) und B (zufällig) lauten wie folgt:

Die Formeln für das erwartete Mittel der Quadrate für ein uneingeschränktes gemischtes Modell mit einem festen Faktor A und einem Zufallsfaktor B lauten wie folgt:

Die allgemeinen Regeln zum Berechnen des erwarteten Mittels der Quadrate und Informationen zu nicht balancierten bzw. komplexeren Modellen finden Sie in Montgomery1 und Neter2.

  1. D. C. Montgomery (1991). Design and Analysis of Experiments, Third Edition. John Wiley & Sons.
  2. J. Neter, W. Wasserman und M. H. Kutner (1985). Applied Linear Statistical Models, Second Edition. Irwin, Inc.

Notation

BegriffBeschreibung
bAnzahl der Stufen in Faktor B
aAnzahl der Stufen in Faktor A
nAnzahl der Beobachtungen
σ2geschätzte Varianz des Modells
geschätzte Varianz von A
geschätzte Varianz von B
geschätzte Varianz von AB
feste Effekte von A

F-Statistik für Modelle mit Zufallsfaktoren

So wird die F-Statistik in der ANOVA-Ausgabe berechnet

Jede F-Statistik stellt ein Verhältnis von Mitteln der Quadrate dar. Der Zähler ist das Mittel der Quadrate für den Term. Der Nenner wird so gewählt, dass sich der erwartete Wert des Mittels der Quadrate im Zähler vom erwarteten Wert des Mittels der Quadrate im Nenner nur durch den relevanten Effekt unterscheidet. Der Effekt für einen Zufallsterm wird durch die Varianzkomponente des Terms dargestellt. Der Effekt für einen festen Term wird durch die Summe der Quadrate der diesem Term entsprechenden Modellkomponenten dividiert durch seine Freiheitsgrade dargestellt. Daher weist eine hohe F-Statistik auf einen signifikanten Effekt hin.

Wenn alle Terme im Modell fest sind, ist der Nenner für jede F-Statistik das mittlere Fehlerquadrat (MSE). Für Modelle, die Zufallsterme enthalten, ist MSE hingegen nicht immer das richtige Mittel der Quadrate. Anhand des erwarteten Mittels der Quadrate (EMS) kann bestimmt werden, welches für den Nenner geeignet ist.

Beispiel

Angenommen, Sie haben eine ANOVA mit dem festen Faktor „Bildschirm“ und dem Zufallsfaktor „Techniker“ durchgeführt, und Sie erhalten für das EMS die folgende Ausgabe:
Quelle Erwartetes Mittel der Quadrate für jeden Term
(1) Bildschirm (4) + 2,0000(3) + Q[1]
(2) Techniker (4) + 2,0000(3) + 4,0000(2)
(3) Bildschirm*Techniker (4) + 2,0000(3)
(4) Fehler (4)

Eine Zahl in Klammern gibt einen Zufallseffekt an, der dem neben der Quellennummer aufgelisteten Term zugeordnet ist. (2) stellt den Zufallseffekt von „Techniker“ dar, (3) den Zufallseffekt der Wechselwirkung „Bildschirm*Techniker“ und (4) den Zufallseffekt von „Fehler“. Das EMS für „Fehler“ ist der Effekt des Fehlerterms. Zudem ist das EMS für „Bildschirm*Techniker“ der Effekt des Fehlerterms zuzüglich des doppelten Effekts der Wechselwirkung „Bildschirm*Techniker“.

Zum Berechnen der F-Statistik für „Bildschirm*Techniker“ wird das Mittel der Quadrate für „Bildschirm*Techniker“ durch das Mittel der Quadrate des Fehlers dividiert, so dass sich der erwartete Wert des Zählers (EMS für „Bildschirm*Techniker“ = (4) + 2,0000(3)) vom erwarteten Wert des Nenners (EMS für „Fehler“ = (4)) nur durch den Effekt der Wechselwirkung (2,0000(3)) unterscheidet. Daher zeigt eine hohe F-Statistik eine signifikante Wechselwirkung „Bildschirm*Techniker“ an.

Eine Zahl mit Q[ ] gibt den festen Effekt für den Term an, der neben der Quellennummer aufgelistet ist. So ist Q[1] beispielsweise der feste Effekt von „Bildschirm“. Das EMS für „Bildschirm“ ist der Effekt des Fehlerterms zuzüglich des doppelten Effekts der Wechselwirkung „Bildschirm*Techniker“ plus ein konstantes Vielfaches des Effekts von „Bildschirm“. Q[1] ist gleich (b*n * sum((Koeffizienten für Stufen von „Bildschirm“)**2)) dividiert durch (a – 1), wobei a und b die Anzahl der Stufen von „Bildschirm“ und „Techniker“ sind und n die Anzahl der Replikationen angibt.

Zum Berechnen der F-Statistik für „Bildschirm“ wird das Mittel der Quadrate für „Bildschirm“ durch das Mittel der Quadrate für „Bildschirm*Techniker“ dividiert, so dass sich der erwartete Wert des Zählers (EMS für „Bildschirm“ = (4) + 2,0000(3) + Q[1]) vom erwarteten Wert des Nenners (EMS für „Bildschirm*Techniker“ = (4) + 2,0000(3)) nur durch den Effekt von „Bildschirm“ (Q[1]) unterscheidet. Daher weist eine hohe F-Statistik auf einen signifikanten Effekt von „Bildschirm“ hin.

Weshalb enthält die ANOVA-Ausgabe ein „x“ neben einem p-Wert in der ANOVA-Tabelle sowie die Beschriftung „Kein genauer F-Test“?

In einem genauen F-Test für einen Term unterscheidet sich der erwartete Wert des Mittels der Quadrate für den Zähler vom erwarteten Wert des Mittels der Quadrate für den Nenner nur durch die Varianzkomponente bzw. den festen Faktor von Interesse.

Gelegentlich kann ein solches Mittel der Quadrate jedoch nicht berechnet werden. In einem solchen Fall verwendet Minitab ein Mittel der Quadrate, das zu einem annähernden F-Test führt, und zeigt ein „x“ neben dem p-Wert an, um anzugeben, dass der F-Test nicht genau ist.

Angenommen, Sie haben eine ANOVA mit dem festen Faktor „Zusatz“ und dem Zufallsfaktor „See“ durchgeführt, und Sie erhalten die folgende Ausgabe für das erwartete Mittel der Quadrate (EMS):
Quelle Erwartetes Mittel der Quadrate für jeden Term
(1) Zusatz (4) + 1,7500(3) + Q[1]
(2) See (4) + 1,7143(3) + 5,1429(2)
(3) Zusatz*See (4) + 1,7500(3)
(4) Fehler (4)

Die F-Statistik für „Zusatz“ ist das Mittel der Quadrate für „Zusatz“ dividiert durch das Mittel der Quadrate für die Wechselwirkung „Zusatz*See“. Wenn der Effekt für „Zusatz“ sehr klein ist, ist der erwartete Wert des Zählers gleich dem erwarteten Wert des Nenners. Dies ist ein Beispiel für einen genauen F-Test.

Beachten Sie jedoch, dass für einen sehr kleinen Effekt von „See“ kein Mittel der Quadrate vorliegt, bei dem der erwartete Wert des Zählers gleich dem erwarteten Wert des Nenners ist. Daher verwendet Minitab einen annähernden F-Test. In diesem Beispiel wird das Mittel der Quadrate für „See“ durch das Mittel der Quadrate für die Wechselwirkung „Zusatz*See“ dividiert. Dadurch wird ein erwarteter Wert des Zählers erhalten, der annähernd gleich dem des Nenners ist, wenn der Effekt von „See“ sehr klein ist.

Informationen zur Meldung „Nenner von F-Test ist null oder nicht definiert“

Minitab zeigt aus einem der folgenden Gründe eine Fehlermeldung an, dass der Nenner des F-Tests null oder nicht definiert ist:
  • Für den Fehler ist nicht mindestens ein Freiheitsgrad vorhanden.
  • Die korrigierten MS-Werte sind sehr klein, und damit ist keine ausreichende Genauigkeit zur Anzeige der F-Statistik und der p-Werte gegeben. Mögliche Problemumgehung: Multiplizieren Sie die Antwortspalte mit 10. Führen Sie anschließend dasselbe Regressionsmodell aus, wobei Sie jedoch diese neue Antwortspalte als Antwortvariable verwenden.

    Hinweis

    Das Multiplizieren der Werte der Antwortvariablen mit 10 wirkt sich nicht auf die F-Statistik und die p-Werte aus, die Minitab in der Ausgabe anzeigt. Die Position des Dezimalkommas in der übrigen Ausgabe ist jedoch betroffen, insbesondere die Spalten für die sequenzielle Summe der Quadrate, Kor SS, Kor MS, Anpassung, Standardfehler der Anpassungen und Residuen.

So wird die F-Statistik in der ANOVA-Ausgabe berechnet

Jede F-Statistik stellt ein Verhältnis von Mitteln der Quadrate dar. Der Zähler ist das Mittel der Quadrate für den Term. Der Nenner wird so gewählt, dass sich der erwartete Wert des Mittels der Quadrate im Zähler vom erwarteten Wert des Mittels der Quadrate im Nenner nur durch den relevanten Effekt unterscheidet. Der Effekt für einen Zufallsterm wird durch die Varianzkomponente des Terms dargestellt. Der Effekt für einen festen Term wird durch die Summe der Quadrate der diesem Term entsprechenden Modellkomponenten dividiert durch seine Freiheitsgrade dargestellt. Daher weist eine hohe F-Statistik auf einen signifikanten Effekt hin.

Wenn alle Terme im Modell fest sind, ist der Nenner für jede F-Statistik das mittlere Fehlerquadrat (MSE). Für Modelle, die Zufallsterme enthalten, ist MSE hingegen nicht immer das richtige Mittel der Quadrate. Anhand des erwarteten Mittels der Quadrate (EMS) kann bestimmt werden, welches für den Nenner geeignet ist.

Beispiel

Angenommen, Sie haben eine ANOVA mit dem festen Faktor „Bildschirm“ und dem Zufallsfaktor „Techniker“ durchgeführt, und Sie erhalten für das EMS die folgende Ausgabe:
Quelle Erwartetes Mittel der Quadrate für jeden Term
(1) Bildschirm (4) + 2,0000(3) + Q[1]
(2) Techniker (4) + 2,0000(3) + 4,0000(2)
(3) Bildschirm*Techniker (4) + 2,0000(3)
(4) Fehler (4)

Eine Zahl in Klammern gibt einen Zufallseffekt an, der dem neben der Quellennummer aufgelisteten Term zugeordnet ist. (2) stellt den Zufallseffekt von „Techniker“ dar, (3) den Zufallseffekt der Wechselwirkung „Bildschirm*Techniker“ und (4) den Zufallseffekt von „Fehler“. Das EMS für „Fehler“ ist der Effekt des Fehlerterms. Zudem ist das EMS für „Bildschirm*Techniker“ der Effekt des Fehlerterms zuzüglich des doppelten Effekts der Wechselwirkung „Bildschirm*Techniker“.

Zum Berechnen der F-Statistik für „Bildschirm*Techniker“ wird das Mittel der Quadrate für „Bildschirm*Techniker“ durch das Mittel der Quadrate des Fehlers dividiert, so dass sich der erwartete Wert des Zählers (EMS für „Bildschirm*Techniker“ = (4) + 2,0000(3)) vom erwarteten Wert des Nenners (EMS für „Fehler“ = (4)) nur durch den Effekt der Wechselwirkung (2,0000(3)) unterscheidet. Daher zeigt eine hohe F-Statistik eine signifikante Wechselwirkung „Bildschirm*Techniker“ an.

Eine Zahl mit Q[ ] gibt den festen Effekt für den Term an, der neben der Quellennummer aufgelistet ist. So ist Q[1] beispielsweise der feste Effekt von „Bildschirm“. Das EMS für „Bildschirm“ ist der Effekt des Fehlerterms zuzüglich des doppelten Effekts der Wechselwirkung „Bildschirm*Techniker“ plus ein konstantes Vielfaches des Effekts von „Bildschirm“. Q[1] ist gleich (b*n * sum((Koeffizienten für Stufen von „Bildschirm“)**2)) dividiert durch (a – 1), wobei a und b die Anzahl der Stufen von „Bildschirm“ und „Techniker“ sind und n die Anzahl der Replikationen angibt.

Zum Berechnen der F-Statistik für „Bildschirm“ wird das Mittel der Quadrate für „Bildschirm“ durch das Mittel der Quadrate für „Bildschirm*Techniker“ dividiert, so dass sich der erwartete Wert des Zählers (EMS für „Bildschirm“ = (4) + 2,0000(3) + Q[1]) vom erwarteten Wert des Nenners (EMS für „Bildschirm*Techniker“ = (4) + 2,0000(3)) nur durch den Effekt von „Bildschirm“ (Q[1]) unterscheidet. Daher weist eine hohe F-Statistik auf einen signifikanten Effekt von „Bildschirm“ hin.

Weshalb enthält die ANOVA-Ausgabe ein „x“ neben einem p-Wert in der ANOVA-Tabelle sowie die Beschriftung „Kein genauer F-Test“?

In einem genauen F-Test für einen Term unterscheidet sich der erwartete Wert des Mittels der Quadrate für den Zähler vom erwarteten Wert des Mittels der Quadrate für den Nenner nur durch die Varianzkomponente bzw. den festen Faktor von Interesse.

Gelegentlich kann ein solches Mittel der Quadrate jedoch nicht berechnet werden. In einem solchen Fall verwendet Minitab ein Mittel der Quadrate, das zu einem annähernden F-Test führt, und zeigt ein „x“ neben dem p-Wert an, um anzugeben, dass der F-Test nicht genau ist.

Angenommen, Sie haben eine ANOVA mit dem festen Faktor „Zusatz“ und dem Zufallsfaktor „See“ durchgeführt, und Sie erhalten die folgende Ausgabe für das erwartete Mittel der Quadrate (EMS):
Quelle Erwartetes Mittel der Quadrate für jeden Term
(1) Zusatz (4) + 1,7500(3) + Q[1]
(2) See (4) + 1,7143(3) + 5,1429(2)
(3) Zusatz*See (4) + 1,7500(3)
(4) Fehler (4)

Die F-Statistik für „Zusatz“ ist das Mittel der Quadrate für „Zusatz“ dividiert durch das Mittel der Quadrate für die Wechselwirkung „Zusatz*See“. Wenn der Effekt für „Zusatz“ sehr klein ist, ist der erwartete Wert des Zählers gleich dem erwarteten Wert des Nenners. Dies ist ein Beispiel für einen genauen F-Test.

Beachten Sie jedoch, dass für einen sehr kleinen Effekt von „See“ kein Mittel der Quadrate vorliegt, bei dem der erwartete Wert des Zählers gleich dem erwarteten Wert des Nenners ist. Daher verwendet Minitab einen annähernden F-Test. In diesem Beispiel wird das Mittel der Quadrate für „See“ durch das Mittel der Quadrate für die Wechselwirkung „Zusatz*See“ dividiert. Dadurch wird ein erwarteter Wert des Zählers erhalten, der annähernd gleich dem des Nenners ist, wenn der Effekt von „See“ sehr klein ist.

Informationen zur Meldung „Nenner von F-Test ist null oder nicht definiert“

Minitab zeigt aus einem der folgenden Gründe eine Fehlermeldung an, dass der Nenner des F-Tests null oder nicht definiert ist:
  • Für den Fehler ist nicht mindestens ein Freiheitsgrad vorhanden.
  • Die korrigierten MS-Werte sind sehr klein, und damit ist keine ausreichende Genauigkeit zur Anzeige der F-Statistik und der p-Werte gegeben. Mögliche Problemumgehung: Multiplizieren Sie die Antwortspalte mit 10. Führen Sie anschließend dasselbe Regressionsmodell aus, wobei Sie jedoch diese neue Antwortspalte als Antwortvariable verwenden.

    Hinweis

    Das Multiplizieren der Werte der Antwortvariablen mit 10 wirkt sich nicht auf die F-Statistik und die p-Werte aus, die Minitab in der Ausgabe anzeigt. Die Position des Dezimalkommas in der übrigen Ausgabe ist jedoch betroffen, insbesondere die Spalten für die sequenzielle Summe der Quadrate, Kor SS, Kor MS, Anpassung, Standardfehler der Anpassungen und Residuen.

Angepasster Wert

Notation

Für ein Drei-Faktor-Modell:

BegriffBeschreibung
angepasster Wert für die Beobachtung auf der i-ten Stufe von Faktor A, der j-ten Stufe von Faktor B, der k-ten Stufe von Faktor C
Mittelwert für die Beobachtung auf der i-ten Stufe von Faktor A, der j-ten Stufe von Faktor B, der k-ten Stufe von Faktor C
nAnzahl der Beobachtungen auf der i-ten Stufe von Faktor A, der j-ten Stufe von Faktor B, der k-ten Stufe von Faktor C

Residuum (Resid)

Notation

BegriffBeschreibung
eii-tes Residuum
i-ter beobachteter Wert der Antwortvariablen
i-ter angepasster Wert der Antwortvariablen
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien