{"id":4538,"date":"2023-07-10T07:36:27","date_gmt":"2023-07-10T07:36:27","guid":{"rendered":"https:\/\/statorials.org\/it\/interpretare-i-risultati-anova-in-sas\/"},"modified":"2023-07-10T07:36:27","modified_gmt":"2023-07-10T07:36:27","slug":"interpretare-i-risultati-anova-in-sas","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/interpretare-i-risultati-anova-in-sas\/","title":{"rendered":"Guida completa: come interpretare i risultati anova in sas"},"content":{"rendered":"

<\/p>\n

\n

Un’ANOVA unidirezionale<\/a> viene utilizzata per determinare se esiste o meno una differenza statisticamente significativa tra le medie di tre o pi\u00f9 gruppi indipendenti.<\/span><\/p>\n

L’esempio seguente mostra come interpretare i risultati di un’ANOVA unidirezionale in SAS.<\/span><\/p>\n

Esempio: interpretare i risultati ANOVA in SAS<\/strong><\/span><\/h2>\n

Supponiamo che un ricercatore recluti 30 studenti per partecipare a uno studio. Agli studenti viene assegnato in modo casuale<\/a> uno dei tre metodi di studio per prepararsi a un esame.<\/span><\/p>\n

Di seguito sono riportati i risultati degli esami per ciascuno studente:<\/span> <\/p>\n

\"\"<\/p>\n

Possiamo utilizzare il seguente codice per creare questo set di dati in SAS:<\/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
 Successivamente, utilizzeremo proc ANOVA<\/strong> per eseguire l’ANOVA unidirezionale:<\/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
 Nota<\/strong> : abbiamo utilizzato la dichiarazione di media<\/strong> insieme alle opzioni tukey<\/strong> e cldiff<\/strong> per specificare che un test post-hoc di Tukey dovrebbe essere eseguito (con intervalli di confidenza) se il valore p complessivo dell’ANOVA unidirezionale \u00e8 statisticamente significativo.<\/span><\/p>\n
 Innanzitutto, esamineremo la tabella ANOVA nel risultato:<\/span> <\/p>\n
\"ANOVA<\/p>\n
 Ecco come interpretare ciascun valore nell’output:<\/span><\/p>\n
 Modello DF:<\/strong> i gradi di libert\u00e0 per il metodo<\/em> variabile. Questo viene calcolato come #gruppi -1. In questo caso c’erano 3 diversi metodi di studio, quindi questo valore \u00e8: 3-1 = 2<\/strong> .<\/span><\/p>\n
 Errore DF:<\/strong> i gradi di libert\u00e0 dei residui. Questo viene calcolato come #osservazioni totali \u2013 #gruppi. In questo caso c’erano 24 osservazioni e 3 gruppi, quindi questo valore \u00e8: 24-3 = 21<\/strong> .<\/span><\/p>\n
 Totale corretto<\/strong> : la somma del modello DF e dell’errore DF. Questo valore \u00e8 2 + 21 = 23<\/strong> .<\/span><\/p>\n
 Modello della somma dei quadrati:<\/strong> la somma dei quadrati associati al metodo<\/em> della variabile. Questo valore \u00e8 175.583<\/strong> .<\/span><\/p>\n
 Errore somma dei quadrati:<\/strong> somma dei quadrati associati ai residui o \u201cerrori\u201d. Questo valore \u00e8 350,25<\/strong> .<\/span><\/p>\n
 Totale della somma dei quadrati corretta<\/strong> : la somma del modello SS e dell’errore SS. Questo valore \u00e8 525.833<\/strong> .<\/span><\/p>\n
 Modello dei quadrati medi:<\/strong> somma media dei quadrati associati al metodo<\/em> . Questo viene calcolato come modello SS \/ modello DF, ovvero 175.583 \/ 2 = 87.79<\/strong> .<\/span><\/p>\n
 Errore quadratico medio:<\/strong> somma media dei quadrati associati ai residui. Questo viene calcolato come Errore SS\/Errore DF, ovvero 350,25 \/ 21 = 16,68<\/strong> .<\/span><\/p>\n
 Valore F:<\/strong> la statistica F complessiva del modello ANOVA. Questo viene calcolato come errore quadratico medio\/errore quadratico medio del modello o 87,79\/16,68 = 5,26<\/strong> .<\/span><\/p>\n
 Pr >F:<\/strong> il valore p associato alla statistica F con numeratore df = 2 e denominatore df = 21. In questo caso, il valore p \u00e8 0,0140<\/strong> .<\/span><\/p>\n
 Il valore pi\u00f9 importante nell\u2019insieme dei risultati \u00e8 il valore p, perch\u00e9 ci dice se c\u2019\u00e8 una differenza significativa nei valori medi tra i tre gruppi.<\/span><\/p>\n
 Ricordiamo che un’ANOVA unidirezionale utilizza le seguenti ipotesi nulle e alternative:<\/span><\/p>\n