{"id":4536,"date":"2023-07-10T07:36:27","date_gmt":"2023-07-10T07:36:27","guid":{"rendered":"https:\/\/statorials.org\/de\/interpretieren-sie-die-anova-ergebnisse-in-sas\/"},"modified":"2023-07-10T07:36:27","modified_gmt":"2023-07-10T07:36:27","slug":"interpretieren-sie-die-anova-ergebnisse-in-sas","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/interpretieren-sie-die-anova-ergebnisse-in-sas\/","title":{"rendered":"Vollst\u00e4ndiger leitfaden: so interpretieren sie anova-ergebnisse in sas"},"content":{"rendered":"

<\/p>\n

\n

Eine einfaktorielle ANOVA<\/a> wird verwendet, um zu bestimmen, ob ein statistisch signifikanter Unterschied zwischen den Mittelwerten von drei oder mehr unabh\u00e4ngigen Gruppen besteht.<\/span><\/p>\n

Das folgende Beispiel zeigt, wie die Ergebnisse einer einfaktoriellen ANOVA in SAS interpretiert werden.<\/span><\/p>\n

Beispiel: Interpretation der ANOVA-Ergebnisse in SAS<\/strong><\/span><\/h2>\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

\"\"<\/p>\n

Wir k\u00f6nnen den folgenden Code verwenden, um diesen Datensatz in SAS zu erstellen:<\/span><\/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
 Als n\u00e4chstes verwenden wir proc ANOVA,<\/strong> um die einfaktorielle ANOVA durchzuf\u00fchren:<\/span><\/p>\n
 \/*perform one-way ANOVA*\/\n<\/span>proc ANOVA<\/span> data<\/span> =my_data;\n    classMethod<\/span> ;\n    modelScore<\/span> = Method;\n    means<\/span> Method \/ tukey cldiff<\/span> ;\nrun<\/span> ;<\/span><\/span><\/strong><\/span><\/pre>\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.<\/span><\/p>\n
 Zuerst schauen wir uns die ANOVA-Tabelle im Ergebnis an:<\/span> <\/p>\n
\"Einfaktorielle<\/p>\n
 So interpretieren Sie jeden Wert in der Ausgabe:<\/span><\/p>\n
 DF-Modell:<\/strong> Die Freiheitsgrade f\u00fcr die Variablenmethode<\/em> . Dies wird als #Gruppen -1 berechnet. In diesem Fall gab es drei verschiedene Untersuchungsmethoden, daher lautet dieser Wert: 3-1 = 2<\/strong> .<\/span><\/p>\n
 DF-Fehler:<\/strong> die Freiheitsgrade f\u00fcr die Residuen. Dies wird als #Gesamtbeobachtungen \u2013 #Gruppen berechnet. In diesem Fall gab es 24 Beobachtungen und 3 Gruppen, daher ist dieser Wert: 24-3 = 21<\/strong> .<\/span><\/p>\n
 Korrigierte Summe<\/strong> : die Summe des DF-Modells und des DF-Fehlers. Dieser Wert ist 2 + 21 = 23<\/strong> .<\/span><\/p>\n
 Quadratsummenmodell:<\/strong> Die Summe der Quadrate, die mit der Variablenmethode<\/em> verkn\u00fcpft sind. Dieser Wert betr\u00e4gt 175,583<\/strong> .<\/span><\/p>\n
 Summe der Fehlerquadrate:<\/strong> Summe der mit Residuen oder \u201eFehlern\u201c verbundenen Quadrate. Dieser Wert betr\u00e4gt 350,25<\/strong> .<\/span><\/p>\n
 Korrigierte Summe der Quadrate insgesamt<\/strong> : Die Summe des SS-Modells und des SS-Fehlers. Dieser Wert betr\u00e4gt 525,833<\/strong> .<\/span><\/p>\n
 Modell der mittleren Quadrate:<\/strong> mittlere Summe der mit der Methode<\/em> verbundenen Quadrate. Dies wird als SS-Modell \/ DF-Modell oder 175,583 \/ 2 = 87,79<\/strong> berechnet.<\/span><\/p>\n
 Mittlerer quadratischer Fehler:<\/strong> mittlere Summe der mit den Residuen verbundenen Quadrate. Dies wird als SS-Fehler \/ DF-Fehler berechnet, was 350,25 \/ 21 = 16,68<\/strong> betr\u00e4gt.<\/span><\/p>\n
 F-Wert:<\/strong> Die Gesamt-F-Statistik des ANOVA-Modells. Dies wird als mittlerer quadratischer Modellfehler\/mittlerer quadratischer Fehler oder 87,79\/16,68 = 5,26<\/strong> berechnet.<\/span><\/p>\n
 Pr >F:<\/strong> Der p-Wert, der der F-Statistik mit Z\u00e4hler df = 2 und Nenner df = 21 zugeordnet ist. In diesem Fall betr\u00e4gt der p-Wert 0,0140<\/strong> .<\/span><\/p>\n
 Der wichtigste Wert in der Ergebnismenge ist der p-Wert, denn er sagt uns, ob es einen signifikanten Unterschied in den Mittelwerten zwischen den drei Gruppen gibt.<\/span><\/p>\n
 Denken Sie daran, dass eine einfaktorielle ANOVA die folgenden Null- und Alternativhypothesen verwendet:<\/span><\/p>\n