正态数据的均值分析示例

一位安全分析师想比较有经验和无经验的驾驶员在三种路面:柏油路、石路和土路上的驾驶水平。为了测量驾驶水平,分析师记录了每位驾驶员在每种路面上进行控制校正所用的时间(秒)。

分析师执行了均值分析,以确定经验水平和路面类型的平均值是否与总体平均值存在差异。

  1. 打开样本数据路面状况.MTW.
  2. 选择统计 > 方差分析 > 均值分析
  3. 响应中,输入“校正次数”。
  4. 数据分布下,选择正态
  5. 因子 1中,输入经验
  6. 因子 2中,输入公路类型
  7. 单击确定

解释结果

Minitab 显示双因子均值分析 (ANOM) 设计的三个图,以表明第一个因子的交互效应和主效应,以及第二个因子的主效应。均值分析图有一条中心线和决策限。如果一个点在决策限范围之外,则有明显证据表明,该点代表的均值与样本的整体均值不同。使用双因子均值分析,首先评估交互作用效应。如果交互作用效应在统计意义上显著,那么,不考虑交互作用效应就无法解释主效应。

在该图中,交互作用效应正好在决策限内,这表示交互作用效应在统计意义上不显著。接着,评估主效应。下面的两个图显示两个因子的水平均值。主效应是均值和中心线之间的差值。

在经验的主效应图中,表示这两个高级和新手经验的因子水平均值的点不在决策限内。此条件表示其中的每个均值和总体均值之差在统计意义上显著。您可以得出高级司机的平均校正时间显著较低,新手司机的平均校正时间显著较高。

同样,在道路类型的主效应图中,土路和公路的主效应超出了决策限,这表明这些主效应在统计意义上显著。但是,砂石路的主效应在统计意义上不显著。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策