So führen sie den scheffe-test 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.

Wenn der Gesamt -p-Wert der ANOVA-Tabelle unter einem bestimmten Signifikanzniveau liegt, verfügen wir über ausreichende Beweise dafür, dass sich mindestens einer der Gruppenmittelwerte von den anderen unterscheidet.

Dies sagt uns jedoch nicht, welche Gruppen sich voneinander unterscheiden. Dies zeigt uns einfach, dass nicht alle Gruppendurchschnitte gleich sind.

Um genau zu wissen, welche Gruppen sich voneinander unterscheiden, müssen wir einenPost-hoc-Test durchführen.

Einer der am häufigsten verwendeten Post-hoc-Tests ist der Scheffe-Test , der es uns ermöglicht, paarweise Vergleiche zwischen den Mittelwerten jeder Gruppe durchzuführen und gleichzeitig die Familienfehlerrate zu kontrollieren.

Das folgende Beispiel zeigt, wie der Scheffe-Test in R durchgeführt wird.

Beispiel: Scheffe-Test in SAS

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.

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

 /*create dataset*/
data my_data;
    input Method $Score;
    datalines ;
At 76
At 77
At 77
At 81
At 82
At 82
At 83
At 84
At 85
At 89
B 81
B 82
B 83
B 83
B 83
B 84
B 87
B90
B92
B93
C 77
C 78
C 79
C 88
C 89
C 90
C 91
C 95
C 98
C 98
;
run ;

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

 /*perform one-way ANOVA with Scheffe's post-hoc test*/
proc ANOVA data = my_data;
classMethod ;
modelScore = Method;
means Method / scheffe cldiff ;
run;

Hinweis : Wir haben die Mittelwertangabe zusammen mit den Scheffe- und Cldiff -Optionen verwendet, um anzugeben, dass der Scheffe-Post-hoc-Test (mit Konfidenzintervallen) durchgeführt werden soll, wenn der Gesamt-p-Wert der einfaktoriellen ANOVA statistisch signifikant ist.

Zuerst analysieren wir die ANOVA-Tabelle im Ergebnis:

Aus dieser Tabelle können wir sehen:

• Gesamt-F-Wert: 3,49
• Der entsprechende p-Wert: 0,0448

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 (0,0448) 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

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

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

Die Tabelle zeigt, dass es einen statistisch signifikanten Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen Gruppe A und Gruppe C gibt.

Es gibt keine statistisch signifikanten Unterschiede zwischen den Mittelwerten der anderen Gruppen.

Konkret können wir sehen, dass der durchschnittliche Unterschied in den Prüfungsergebnissen zwischen Gruppe C und Gruppe A 6,7 beträgt.

Das 95 %-Konfidenzintervall für die Mittelwertdifferenz zwischen diesen Gruppen beträgt [0,064, 13,336] .

Zusätzliche Ressourcen

Die folgenden Tutorials bieten zusätzliche Informationen zu ANOVA-Modellen:

Ein Leitfaden zur Verwendung von Post-Hoc-Tests mit ANOVA
So führen Sie eine einfaktorielle ANOVA in SAS durch
So führen Sie eine zweifaktorielle ANOVA in SAS durch