Dieses Tutorial bietet ein schrittweises Beispiel f\u00fcr die Durchf\u00fchrung einer einfaktoriellen ANOVA in SAS.<\/span><\/p>\n Angenommen, ein Forscher rekrutiert 30 Studenten f\u00fcr die Teilnahme an einer Studie. Den Studierenden wird nach dem Zufallsprinzip eine von drei Lernmethoden zugewiesen<\/a> , um sich auf eine Pr\u00fcfung vorzubereiten.<\/span><\/p>\n Die Pr\u00fcfungsergebnisse f\u00fcr jeden Studenten sind unten aufgef\u00fchrt:<\/span> <\/p>\n Wir k\u00f6nnen den folgenden Code verwenden, um diesen Datensatz in SAS zu erstellen:<\/span><\/p>\n Als n\u00e4chstes verwenden wir proc ANOVA<\/strong> , um die einfaktorielle ANOVA durchzuf\u00fchren:<\/span><\/p>\n Hinweis<\/strong> : Wir haben die Mittelwertfunktion<\/strong> verwendet, um anzugeben, dass ein Tukey-Post-hoc-Test<\/a> durchgef\u00fchrt werden sollte, wenn der Gesamt-p-Wert der einfaktoriellen ANOVA statistisch signifikant ist.<\/span><\/p>\n Die erste Tabelle, die wir in den Ergebnissen analysieren m\u00f6chten, ist die ANOVA-Tabelle:<\/span> <\/p>\n Aus dieser Tabelle k\u00f6nnen wir sehen:<\/span><\/p>\n Denken Sie daran, dass eine einfaktorielle ANOVA die folgenden Null- und Alternativhypothesen verwendet:<\/span><\/p>\n Da der p-Wert der ANOVA-Tabelle (0,0140) kleiner als \u03b1 = 0,05 ist, lehnen wir die Nullhypothese ab.<\/span><\/p>\n Dies zeigt uns, dass die durchschnittliche Pr\u00fcfungspunktzahl bei allen drei Lernmethoden nicht gleich ist.<\/span><\/p>\n Verwandte Themen:<\/strong> So interpretieren Sie den F-Wert und den P-Wert in der ANOVA<\/a><\/span><\/p>\n SAS bietet au\u00dferdem Boxplots<\/a> zur Visualisierung der Verteilung der Pr\u00fcfungsergebnisse f\u00fcr jede der drei Lernmethoden:<\/span> <\/p>\n Aus den Boxplots k\u00f6nnen wir ersehen, dass die Pr\u00fcfungsergebnisse bei Studierenden, die Lernmethode C verwendet haben, tendenziell h\u00f6her sind als bei den Methoden B und C.<\/span><\/p>\n Um genau zu bestimmen, welche Gruppenmittelwerte unterschiedlich sind, m\u00fcssen wir uns auf die endg\u00fcltige Ergebnistabelle beziehen, die die Ergebnisse der Post-hoc-Tests von Tukey zeigt:<\/span> <\/p>\n Um herauszufinden, welche Gruppenmittelwerte unterschiedlich sind, m\u00fcssen wir uns ansehen, bei welchen paarweisen Vergleichen Sterne ( ***<\/strong> ) neben ihnen stehen.<\/span><\/p>\n Die Tabelle zeigt, dass die Mittelwerte der Gruppen A und C statistisch signifikant unterschiedlich sind.<\/span><\/p>\n Wir k\u00f6nnen auch das 95 %-Konfidenzintervall f\u00fcr den Unterschied in den durchschnittlichen Pr\u00fcfungsergebnissen zwischen den Gruppen A und C sehen:<\/span><\/p>\n 95 %-Konfidenzintervall f\u00fcr Mittelwertdifferenz: [1,228, 11,522]<\/strong><\/span><\/p>\n Abschlie\u00dfend k\u00f6nnen wir die Ergebnisse der einfaktoriellen ANOVA berichten<\/a> :<\/span><\/p>\n Eine einfaktorielle ANOVA wurde durchgef\u00fchrt, um die Wirkung von drei verschiedenen Untersuchungsmethoden auf die Untersuchungsergebnisse zu vergleichen.<\/span><\/p>\n Eine einfaktorielle ANOVA ergab, dass es einen statistisch signifikanten Unterschied im durchschnittlichen Pr\u00fcfungsergebnis zwischen mindestens zwei Gruppen gab (F(2,21) = [5,26], p = 0,014).<\/span><\/p>\n Der HSD-Test von Tukey f\u00fcr mehrere Vergleiche ergab, dass sich der Mittelwert der Pr\u00fcfungsergebnisse zwischen Methode C und Methode A deutlich unterschied (95 %-KI = [1,228, 11,522]).<\/span><\/p>\n Es gab keinen statistisch signifikanten Unterschied in den durchschnittlichen Pr\u00fcfungsergebnissen zwischen Methode A und Methode B oder zwischen Methode B und Methode C.<\/span><\/p>\n<\/blockquote>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu einfaktoriellen ANOVAs:<\/span><\/p>\n Einf\u00fchrung in die einfaktorielle ANOVA<\/a> Eine einfaktorielle ANOVA wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabh\u00e4ngigen Gruppen besteht. Dieses Tutorial bietet ein schrittweises Beispiel f\u00fcr die Durchf\u00fchrung einer einfaktoriellen ANOVA in SAS. Schritt 1: Erstellen Sie die Daten Angenommen, ein Forscher rekrutiert 30 Studenten f\u00fcr die Teilnahme an einer Studie. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Schritt 1: Erstellen Sie die Daten<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas1.jpg\")
<\/p>\n \/*create dataset*\/\n<\/span>data<\/span> my_data;\n input<\/span> Method $Score;\n datalines<\/span> ;\nAt 78\nAt 81\nAt 82\nAt 82\nAt 85\nAt 88\nAt 88\nAt 90\nB 81\nB 83\nB 83\nB85\nB 86\nB 88\nB90\nB91\nC 84\nC 88\nC 88\nC 89\nC 90\nC 93\nC 95\nC 98\n;\nrun<\/span> ;\n<\/strong><\/span><\/pre>\n Schritt 2: F\u00fchren Sie eine einfaktorielle ANOVA durch<\/strong><\/span><\/h3>\n
\/*perform one-way ANOVA*\/\n<\/span>proc ANOVA<\/span> data<\/span> =my_data;\nclassMethod<\/span> ;\nmodelScore<\/span> = Method;\nmeans<\/span> Method \/ tukey<\/span> cldiff<\/span> ;\nrun<\/span> ;<\/span><\/span><\/strong><\/span><\/pre>\n Schritt 3: Interpretieren Sie die Ergebnisse<\/strong><\/span><\/h3>\n
![\"Einfaktorielle](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas2.jpg\")
<\/p>\n\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas3.jpg\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas4.jpg\")
<\/p>\n Schritt 4: Ergebnisse melden<\/strong><\/span><\/h3>\n
\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
Rechner f\u00fcr einfaktorielle ANOVA<\/a>
So f\u00fchren Sie manuell eine einfaktorielle ANOVA durch<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"