Interpretieren der wichtigsten Ergebnisse für Vollständig geschachtelte ANOVA

Führen Sie die folgenden Schritte aus, um eine vollständig geschachtelte ANOVA zu interpretieren. Zu den wichtigsten Ausgaben zählen der p-Wert und die Varianzkomponenten.

Schritt 1: Bestimmen, ob die Assoziation zwischen der Antwortvariablen und dem Term statistisch signifikant ist

Um zu bestimmen, ob die Assoziation zwischen der Antwortvariablen und jedem Term im Modell statistisch signifikant ist, vergleichen Sie den p-Wert für den Term mit dem Signifikanzniveau, um die Nullhypothese auszuwerten. Die Nullhypothese besagt, dass keine Assoziation zwischen dem Term und der Antwortvariablen besteht. In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 bedeutet ein Risiko, dass auf eine vorhandene Assoziation geschlossen wird, während tatsächlich keine vorhanden ist, von 5 %.
p-Wert ≤ α: Die Assoziation ist statistisch signifikant
Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist, können Sie schlussfolgern, dass eine statistisch signifikante Assoziation zwischen der Antwortvariablen und dem Term besteht.
p-Wert > α: Die Assoziation ist statistisch nicht signifikant
Wenn der p-Wert größer als das Signifikanzniveau ist, können Sie nicht schlussfolgern, dass eine statistisch signifikante Assoziation zwischen der Antwortvariablen und dem Term besteht. Es empfiehlt sich möglicherweise, dass Modell ohne den Term erneut anzupassen.
Wenn mehrere Prädiktoren ohne eine statistisch signifikante Assoziation mit der Antwortvariablen vorhanden sind, können Sie das Modell reduzieren, indem Sie Terme einzeln nacheinander entfernen. Weitere Informationen zum Entfernen von Termen aus dem Modell finden Sie unter Modellreduzierung.

Alle Faktoren in einem vollständig geschachtelten ANOVA-Modell sind zufällig. Daher verweist ein statistisch signifikanter Faktor darauf, dass er zum Grad der Streuung in der Antwortvariablen beiträgt.

Varianzanalyse für Temp Quelle DF SS MS F p Werk 3 731,5156 243,8385 5,854 0,011 Bediener 12 499,8125 41,6510 1,303 0,248 Schicht 48 1534,9167 31,9774 2,578 0,000 Charge 128 1588,0000 12,4062 Gesamt 191 4354,2448
Wichtigste Ergebnisse: p-Wert

In diesen Ergebnissen zeigt die ANOVA-Tabelle, dass Werk und Schicht auf dem Niveau 0,05 statistisch signifikant sind. Der Effekt des Bedieners ist auf dem Niveau 0,05 statistisch nicht signifikant. Für die Effekte im Modell werden alle Freiheitsgrade verwendet, so dass keine Freiheitsgrade zum Testen der statistischen Signifikanz der verschiedenen Chargen verbleiben.

Schritt 2: Untersuchen der Varianzkomponenten

Untersuchen Sie die Varianzkomponenten, um festzustellen, welcher Teil der Streuung in der Untersuchung auf die einzelnen Zufallsterme zurückgeführt werden kann. Höhere Werte weisen darauf hin, dass der Term mehr Streuung zur Antwortvariablen beiträgt.

Varianzkomponenten % von Quelle Var.-Komp. Gesamt StdAbw Werk 4,212 17,59 2,052 Bediener 0,806 3,37 0,898 Schicht 6,524 27,24 2,554 Charge 12,406 51,80 3,522 Gesamt 23,948 4,894
Wichtigste Ergebnisse: Varianzkomponenten

In diesen Ergebnissen geben die Schätzwerte für die Varianzkomponenten an, dass die Streuung, die auf Chargen, Schichten und Werke zurückzuführen ist, 52 %, 27 % bzw. 18 % der Gesamtstreuung beträgt.

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