2x2 交叉设计的等价检验 的效应

解释

将延滞效应的 p 值与显著性水平（用 alpha 或 α 表示）进行比较。α 通常为 0.05。如果 p 值小于 α，则延滞效应在统计意义上显著。在这种情况下，等价检验的结果可能会偏倚。

解释

将处理效应的 p 值与显著性水平（用 alpha 或 α 表示）进行比较。α 通常为 0.05。如果 p 值小于 α，则处理效应在统计意义上显著。

解释

将期间效应的 p 值与显著性水平（用 alpha 或 α 表示）进行比较。α 通常为 0.05。如果 p 值小于 α，则期间效应在统计意义上显著。在这种情况下，等价检验的结果可能会偏倚。

解释

使用效应的标准误可以评估与随机抽样变异性相关的每个效应的估计值的精确度。通常，标准误越小，效应的估计值就越精确，它的置信区间也越窄。

将每个效应除以其标准误可计算效应的 t 值。标准误与效应的大小越不相关，t 值的绝对值越大。如果与该 t 值相关联的 p 值小于 alpha 水平，则可以得出效应在统计意义上显著的结论。有关详细信息，请转到与效应的 P 值有关的部分。

解释

Minitab 使用自由度计算检验统计量。 自由度受样本大小的影响。增加样本数量可提供有关总体的更多信息，从而增加自由度。

解释

您可以使用 t 值来确定是否要否定原假设。但是，许多人使用 p 值或置信区间，因为它们更易于解释。

将每个效应除以其标准误可计算效应的 t 值。标准误的大小与效应的大小越不相关，t 值的绝对值就越大，否定原假设的证据也越充分。

每个效应的 t 值用于计算其相应的 p 值。如果与该 t 值相关联的 p 值小于显著性水平，则可以得出效应在统计意义上显著的结论。有关详细信息，请参见与效应的 P 值有关的部分。

解释

使用每个效应的 p 值可以确定该效应在统计意义上是否显著。将每个 p 值与显著性水平（用 alpha 或 α 表示）进行比较。通常 α 为 .05 即可。

效应的 P 值

P 值 ≤ α：效应在统计意义上显著

如果 p 值小于 a，则可否定原假设并得出效应在统计意义上不同于 0 的结论。

P 值 > α：效应在统计意义上不显著

如果 p 值大于 α，则不能否定原假设。证据不足，无法得出效应在统计意义上显著的结论。

如果延滞效应或周期效应在统计意义上显著，则等价检验的结果可能不可靠。处理效应可能与周期效应和/或延滞效应混在一起。在使用 2x2 交叉设计时，应当在收集和分析数据之前仔细规划您的研究，以免出现延滞效应和周期效应。

如果延滞效应和周期效应在统计意义上不显著，请确定处理效应在统计意义上是否显著。通常，处理效应是需要关注的效应。

解释

对于每个效应，使用置信区间和 p 值可以确定该效应在统计意义上是否显著。