Eenrichtings-anova uitvoeren in sas

Een eenrichtings-ANOVA wordt gebruikt om te bepalen of er al dan niet een statistisch significant verschil bestaat tussen de gemiddelden van drie of meer onafhankelijke groepen.

Deze zelfstudie biedt een stapsgewijs voorbeeld van het uitvoeren van een eenrichtings-ANOVA in SAS.

Stap 1: Creëer de gegevens

Stel dat een onderzoeker 30 studenten recruteert om aan een onderzoek deel te nemen. Studenten worden willekeurig toegewezen om een van de drie studiemethoden te gebruiken ter voorbereiding op een examen.

Hieronder vindt u de examenresultaten per student:

We kunnen de volgende code gebruiken om deze gegevensset in SAS te maken:

 /*create dataset*/
data my_data;
    input Method $Score;
    datalines ;
At 78
At 81
At 82
At 82
At 85
At 88
At 88
At 90
B 81
B 83
B 83
B85
B 86
B 88
B90
B91
C 84
C 88
C 88
C 89
C 90
C 93
C 95
C 98
;
run ;

Stap 2: Voer eenrichtings-ANOVA uit

Vervolgens zullen we proc ANOVA gebruiken om de eenrichtings-ANOVA uit te voeren:

 /*perform one-way ANOVA*/
proc ANOVA data =my_data;
classMethod ;
modelScore = Method;
means Method / tukey cldiff ;
run ;

Opmerking : we hebben de gemiddelde functie gebruikt om te specificeren dat een Tukey post-hoc-test moet worden uitgevoerd als de totale p-waarde van de eenrichtings-ANOVA statistisch significant is.

Stap 3: Interpreteer de resultaten

De eerste tabel die we in de resultaten willen analyseren is de ANOVA-tabel:

Uit deze tabel kunnen we zien:

• Totale F-waarde: 5,26
• De bijbehorende p-waarde: 0,0140

Bedenk dat een eenrichtings-ANOVA de volgende nul- en alternatieve hypothesen gebruikt:

• H ₀ : Alle groepsgemiddelden zijn gelijk.
• H _A : Minstens één groepsgemiddelde is anders   rest.

Omdat de p-waarde van de ANOVA-tabel (0,0140) kleiner is dan α = 0,05, verwerpen we de nulhypothese.

Dit vertelt ons dat de gemiddelde examenscore niet gelijk is over de drie studievormen.

Gerelateerd: Hoe F-waarde en P-waarde in ANOVA te interpreteren

SAS biedt ook boxplots om de verdeling van examenresultaten voor elk van de drie studiemethoden te visualiseren:

Uit de boxplots kunnen we opmaken dat de examenscores doorgaans hoger zijn onder studenten die studiemethode C gebruikten in vergelijking met methodes B en C.

Om precies te bepalen welke groepsgemiddelden verschillend zijn, moeten we de tabel met uiteindelijke resultaten raadplegen, die de resultaten van de post-hoc-tests van Tukey toont:

Om erachter te komen welke groepsgemiddelden verschillend zijn, moeten we kijken naar welke paarsgewijze vergelijkingen sterren ( *** ) ernaast hebben.

Uit de tabel blijkt dat de gemiddelde waarden van de groepen A en C statistisch significant verschillen.

We kunnen ook het 95% betrouwbaarheidsinterval zien voor het verschil in gemiddelde examenscores tussen groep A en C:

95% betrouwbaarheidsinterval voor gemiddeld verschil: [1,228, 11,522]

Stap 4: Rapporteer resultaten

Ten slotte kunnen we de resultaten van de eenrichtings-ANOVA rapporteren :

Er werd een one-way ANOVA uitgevoerd om het effect van drie verschillende onderzoeksmethoden op de onderzoeksresultaten te vergelijken.

Uit een one-way ANOVA bleek dat er een statistisch significant verschil was in de gemiddelde examenscore tussen ten minste twee groepen (F(2,21) = [5,26], p = 0,014).

Uit de HSD-test van Tukey voor meerdere vergelijkingen bleek dat de gemiddelde waarde van de examenscore significant verschilde tussen methode C en methode A (95% BI = [1,228, 11,522]).

Er was geen statistisch significant verschil in de gemiddelde examenscores tussen methode A en methode B of tussen methode B en methode C.

Aanvullende bronnen

De volgende zelfstudies bieden aanvullende informatie over eenrichtings-ANOVA’s:

Inleiding tot One-Way ANOVA
One-way ANOVA-calculator
Hoe u handmatig een eenrichtings-ANOVA uitvoert