Überlegungen zu Daten für die ANOVA für balancierte Daten

Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.

Die Daten dürfen nur kategoriale Faktoren enthalten.

Wenn das Design Kovariaten enthält, verwenden Sie Allgemeines lineares Modell anpassen.

Bei den kategorialen Faktoren kann es sich um gekreuzte oder geschachtelte Faktoren sowie um feste und zufällige Faktoren handeln.

Weitere Informationen zu Faktoren finden Sie unter Faktoren und Faktorstufen, Was sind Faktoren, gekreuzte Faktoren und geschachtelte Faktoren? und Wodurch unterscheiden sich feste Faktoren und Zufallsfaktoren?.

Das Design muss balanciert sein, es sei denn, es liegt ein einfaktorielles Design vor.

Ein balanciertes Design weist die gleiche Anzahl von Beobachtungen für jede Kombination von Behandlungen auf..

Auch für geschachtelte Faktoren sind balancierte Daten erforderlich. Angenommen, A verfügt über drei Stufen, und B ist in A geschachtelt. Wenn B über vier Stufen in der ersten Stufe von A verfügt, muss B über vier Stufen in der zweiten und der dritten Stufe von A verfügen. Wenn eine nicht balancierte Schachtelung vorliegt, werden Sie von Minitab entsprechend informiert. Auch wenn fehlende Daten ausgelassen werden, müssen verbleibende Daten weiterhin balanciert sein.

Wenn das Design nicht balanciert ist, verwenden Sie Allgemeines lineares Modell anpassen.

Weitere Informationen zu balancierten Designs finden Sie unter Balancierte und nicht balancierte Designs.

Geschachtelte Faktoren müssen dieselbe Gruppe von Indizes verwenden.

Die Indizes, mit denen die vier Stufen von B in den einzelnen Stufen von A angegeben werden, müssen identisch sein. Daher können die vier Stufen von B nicht (1 2 3 4) in Stufe 1 von A, (5 6 7 8) in Stufe 2 von A und (9 10 11 12) in Stufe 3 von A sein.

Die Antwortvariable sollte stetig sein

Wenn die Antwortvariable kategorial ist, besteht eine geringere Wahrscheinlichkeit, dass das Modell die Annahmen der Analyse erfüllt, die vorliegenden Daten genau beschreibt oder eine Grundlage für nützliche Prognosen darstellt.

• Wenn die Antwortvariable zwei Kategorien enthält, z. B. „Bestanden“ und „Nicht bestanden“, verwenden Sie Binäres logistisches Modell anpassen.
• Wenn die Antwortvariable drei oder mehr Kategorien mit einer natürlichen Rangfolge aufweist, z. B. „Starke Ablehnung“, „Ablehnung“, „Neutral“, „Zustimmung“ und „Starke Zustimmung“, verwenden Sie Ordinale Logistische Regression.
• Wenn die Antwortvariable drei oder mehr Kategorien ohne natürliche Rangfolge aufweist, z. B. Kratzer, Delle und Riss, verwenden Sie Nominale Logistische Regression.
• Wenn mit der Antwortvariablen Ereignishäufigkeiten gezählt werden, z. B. die Anzahl der Fehler, verwenden Sie Poisson-Modell anpassen.

Jede Beobachtung sollte unabhängig von allen anderen Beobachtungen sein

Wenn die Beobachtungen voneinander abhängen, sind Ihre Ergebnisse möglicherweise ungültig. Untersuchen Sie die folgenden Aspekte, um festzustellen, ob die Beobachtungen unabhängig sind:

• Wenn eine Beobachtung keine Informationen über den Wert einer anderen Beobachtung liefert, sind die Beobachtungen unabhängig.
• Wenn eine Beobachtung Informationen über den Wert einer anderen Beobachtung liefert, sind die Beobachtungen voneinander abhängig.

Die Stichprobendaten sollten nach dem Zufallsprinzip ausgewählt werden

Mit Zufallsstichproben werden Verallgemeinerungen zu einer Grundgesamtheit angestellt und Schlussfolgerungen zu dieser gezogen. Wenn die Daten nicht nach dem Zufallsprinzip erfasst wurden, stellen die Ergebnisse u. U. nicht die Grundgesamtheit dar.

Orientieren Sie sich bei der Datenerfassung an optimalen Vorgehensweisen

Befolgen Sie die folgenden Richtlinien, um sicherzustellen, dass Sie gültige Ergebnisse erhalten:

• Vergewissern Sie sich, dass die Daten repräsentativ für die Grundgesamtheit von Interesse sind.
• Erfassen Sie eine ausreichende Datenmenge, um die notwendige Präzision zu erzielen.
• Messen Sie Variablen so genau und präzise wie möglich.
• Zeichnen Sie die Daten in der Reihenfolge auf, in der sie erfasst werden.

Das Modell sollte gut an die Daten angepasst sein

Wenn das Modell nicht gut an die Daten angepasst ist, können die Ergebnisse irreführend sein. Bestimmen Sie anhand der Residuendiagramme und der zusammenfassenden Statistiken zum Modell in der Ausgabe, wie gut das Modell an die Daten angepasst ist.