So führen sie eine einfaktorielle anova in sas durch

Eine einfaktorielle ANOVA wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabhängigen Gruppen besteht.

Dieses Tutorial bietet ein schrittweises Beispiel für die Durchführung einer einfaktoriellen ANOVA in SAS.

Schritt 1: Erstellen Sie die Daten

Angenommen, ein Forscher rekrutiert 30 Studenten für die Teilnahme an einer Studie. Den Studierenden wird nach dem Zufallsprinzip eine von drei Lernmethoden zugewiesen , um sich auf eine Prüfung vorzubereiten.

Die Prüfungsergebnisse für jeden Studenten sind unten aufgeführt:

Wir können den folgenden Code verwenden, um diesen Datensatz in SAS zu erstellen:

 /*create dataset*/
data my_data;
    input Method $Score;
    datalines ;
At 78
At 81
At 82
At 82
At 85
At 88
At 88
At 90
B 81
B 83
B 83
B85
B 86
B 88
B90
B91
C 84
C 88
C 88
C 89
C 90
C 93
C 95
C 98
;
run ;

Schritt 2: Führen Sie eine einfaktorielle ANOVA durch

Als nächstes verwenden wir proc ANOVA , um die einfaktorielle ANOVA durchzuführen:

 /*perform one-way ANOVA*/
proc ANOVA data =my_data;
classMethod ;
modelScore = Method;
means Method / tukey cldiff ;
run ;

Hinweis : Wir haben die Mittelwertfunktion verwendet, um anzugeben, dass ein Tukey-Post-hoc-Test durchgeführt werden sollte, wenn der Gesamt-p-Wert der einfaktoriellen ANOVA statistisch signifikant ist.

Schritt 3: Interpretieren Sie die Ergebnisse

Die erste Tabelle, die wir in den Ergebnissen analysieren möchten, ist die ANOVA-Tabelle:

Aus dieser Tabelle können wir sehen:

• Gesamt-F-Wert: 5,26
• Der entsprechende p-Wert: 0,0140

Denken Sie daran, dass eine einfaktorielle ANOVA die folgenden Null- und Alternativhypothesen verwendet:

• H ₀ : Alle Gruppenmittelwerte sind gleich.
• H _A : Mindestens ein Gruppendurchschnitt ist unterschiedlich   ausruhen.

Da der p-Wert der ANOVA-Tabelle (0,0140) kleiner als α = 0,05 ist, lehnen wir die Nullhypothese ab.

Dies zeigt uns, dass die durchschnittliche Prüfungspunktzahl bei allen drei Lernmethoden nicht gleich ist.

Verwandte Themen: So interpretieren Sie den F-Wert und den P-Wert in der ANOVA

SAS bietet außerdem Boxplots zur Visualisierung der Verteilung der Prüfungsergebnisse für jede der drei Lernmethoden:

Aus den Boxplots können wir ersehen, dass die Prüfungsergebnisse bei Studierenden, die Lernmethode C verwendet haben, tendenziell höher sind als bei den Methoden B und C.

Um genau zu bestimmen, welche Gruppenmittelwerte unterschiedlich sind, müssen wir uns auf die endgültige Ergebnistabelle beziehen, die die Ergebnisse der Post-hoc-Tests von Tukey zeigt:

Um herauszufinden, welche Gruppenmittelwerte unterschiedlich sind, müssen wir uns ansehen, bei welchen paarweisen Vergleichen Sterne ( *** ) neben ihnen stehen.

Die Tabelle zeigt, dass die Mittelwerte der Gruppen A und C statistisch signifikant unterschiedlich sind.

Wir können auch das 95 %-Konfidenzintervall für den Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen den Gruppen A und C sehen:

95 %-Konfidenzintervall für Mittelwertdifferenz: [1,228, 11,522]

Schritt 4: Ergebnisse melden

Abschließend können wir die Ergebnisse der einfaktoriellen ANOVA berichten :

Eine einfaktorielle ANOVA wurde durchgeführt, um die Wirkung von drei verschiedenen Untersuchungsmethoden auf die Untersuchungsergebnisse zu vergleichen.

Eine einfaktorielle ANOVA ergab, dass es einen statistisch signifikanten Unterschied im durchschnittlichen Prüfungsergebnis zwischen mindestens zwei Gruppen gab (F(2,21) = [5,26], p = 0,014).

Der HSD-Test von Tukey für mehrere Vergleiche ergab, dass sich der Mittelwert der Prüfungsergebnisse zwischen Methode C und Methode A deutlich unterschied (95 %-KI = [1,228, 11,522]).

Es gab keinen statistisch signifikanten Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen Methode A und Methode B oder zwischen Methode B und Methode C.

Zusätzliche Ressourcen

Die folgenden Tutorials bieten zusätzliche Informationen zu einfaktoriellen ANOVAs:

Einführung in die einfaktorielle ANOVA
Rechner für einfaktorielle ANOVA
So führen Sie manuell eine einfaktorielle ANOVA durch