Beispiel für ANOVA für balancierte Daten

Interpretieren der Ergebnisse

Minitab zeigt eine Liste von Faktoren mit ihrem Typ (fest oder zufällig), der Anzahl der Stufen und den Werten an. In der Tabelle der Varianzanalyse werden p-Werte für alle Terme im Modell angezeigt. Die niedrigen p-Werte für die Einstellung und sämtliche Wechselwirkungseffekte weisen darauf hin, dass diese Terme auf dem Niveau 0,05 signifikant sind.

„Einstellung“ ist ein fester Faktor, und dieser Haupteffekt ist signifikant. Dieses Ergebnis weist darauf hin, dass die mittlere Beschichtungsstärke nicht für alle Maschineneinstellungen gleich ist.

„Zeit*Einstellung“ ist ein Wechselwirkungseffekt, der zwei feste Faktoren umfasst. Dieser Wechselwirkungseffekt ist signifikant, was darauf verweist, dass die Beziehung zwischen den einzelnen Faktoren und der Antwortvariablen von der Stufe des jeweils anderen Faktors abhängt. In diesem Fall sollten Sie die Haupteffekte nicht interpretieren, ohne dabei den Wechselwirkungseffekt zu berücksichtigen.

Die Mittelwerttabelle zeigt, wie sich die mittlere Stärke in Abhängigkeit von der jeweiligen Stufe der Zeit (Frühschicht und Spätschicht), den einzelnen Maschineneinstellungen und den einzelnen Kombinationen von Zeit und Maschineneinstellung ändert. Die Einstellung ist statistisch signifikant, und die Mittelwerte variieren zwischen den Maschineneinstellungen. Da der Wechselwirkungsterm „Zeit*Einstellung“ jedoch ebenfalls statistisch signifikant ist, können Sie die Haupteffekte nur unter Berücksichtigung der Wechselwirkungseffekte interpretieren. In der Tabelle für den Wechselwirkungsterm wird beispielsweise ersichtlich, dass Zeit 2 bei einer Einstellung von 44 mit einer stärkeren Beschichtung verbunden ist. Bei einer Einstellung von 52 ist jedoch Zeit 1 mit einer stärkeren Beschichtung verbunden.

„Bediener“ ist ein Zufallsfaktor, und alle Wechselwirkungen, die einen Zufallsfaktor umfassen, werden als zufällig erachtet. Wenn ein Zufallsfaktor signifikant ist, können Sie schlussfolgern, dass der Faktor zum Grad der Streuung in der Antwortvariablen beiträgt. Der Bediener ist auf dem Niveau 0,05 nicht signifikant, die Wechselwirkungseffekte mit dem Bediener sind hingegen signifikant. Diese Wechselwirkungseffekte zeigen, dass der Grad der Streuung, der von dem Bediener zur Antwortvariablen beigetragen wird, vom Wert für die Zeit und die Maschineneinstellung abhängt.