Wenn der Gesamt -p-Wert<\/a> der ANOVA-Tabelle unter einem bestimmten Signifikanzniveau liegt, verf\u00fcgen wir \u00fcber ausreichende Beweise daf\u00fcr, dass sich mindestens einer der Gruppenmittelwerte von den anderen unterscheidet.<\/span><\/p>\n Dies sagt uns jedoch nicht, welche<\/em> Gruppen sich voneinander unterscheiden. Dies zeigt uns einfach, dass nicht alle Gruppendurchschnitte gleich sind.<\/span><\/p>\n Um genau zu wissen, welche Gruppen sich voneinander unterscheiden, m\u00fcssen wir einenPost-hoc-Test<\/a> durchf\u00fchren.<\/span><\/p>\n Einer der am h\u00e4ufigsten verwendeten Post-hoc-Tests ist der Tukey-Test<\/strong> , der es uns erm\u00f6glicht, paarweise Vergleiche zwischen den Mittelwerten jeder Gruppe durchzuf\u00fchren und gleichzeitig die Familienfehlerrate<\/a> zu kontrollieren.<\/span><\/p>\n Das folgende Beispiel zeigt, wie der Tukey-Test in R durchgef\u00fchrt wird.<\/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 Mittelanweisung<\/strong> zusammen mit den Optionen tukey<\/strong> und cldiff<\/strong> verwendet, um anzugeben, dass ein Tukey-Post-hoc-Test (mit Konfidenzintervallen) durchgef\u00fchrt werden soll, wenn der Gesamt-p-Wert der einfaktoriellen ANOVA statistisch signifikant ist. bedeutsam.<\/span><\/p>\n Zuerst analysieren wir die ANOVA-Tabelle im Ergebnis:<\/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 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 Aus der Tabelle k\u00f6nnen wir ersehen, dass es einen statistisch signifikanten Unterschied in den durchschnittlichen Pr\u00fcfungsergebnissen zwischen Gruppe A und Gruppe C gibt.<\/span><\/p>\n Es gibt keine statistisch signifikanten Unterschiede zwischen den Mittelwerten der anderen Gruppen.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zu ANOVA-Modellen:<\/span><\/p>\n Ein Leitfaden zur Verwendung von Post-Hoc-Tests mit 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. Wenn der Gesamt -p-Wert der ANOVA-Tabelle unter einem bestimmten Signifikanzniveau liegt, verf\u00fcgen wir \u00fcber ausreichende Beweise daf\u00fcr, dass sich mindestens einer der Gruppenmittelwerte von den anderen unterscheidet. Dies sagt uns jedoch nicht, […]<\/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 Beispiel: Tukey-Test in SAS<\/strong><\/span><\/h2>\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 \/*perform one-way ANOVA*\/\n<\/span>proc ANOVA<\/span> data<\/span> =my_data;\nclassMethod<\/span> ;\nmodelScore<\/span> = Method;\nmeans<\/span> Method \/ tukey cldiff<\/span> ;\nrun<\/span> ;<\/span><\/span><\/strong><\/span><\/pre>\n![\"Einfaktorielle](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas2.jpg\")
<\/p>\n\n
\n
![\"Tukey-Test](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/anovasas4.jpg\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
So f\u00fchren Sie eine einfaktorielle ANOVA in SAS durch<\/a>
So f\u00fchren Sie eine zweifaktorielle ANOVA in SAS durch<\/a><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"