Hoe u een tweerichtings-anova uitvoert in spss

Een tweerichtings-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 die over twee factoren zijn verdeeld.

Het doel van een tweerichtings-ANOVA is om de impact van twee factoren op een responsvariabele te bepalen en om te bepalen of er al dan niet een interactie tussen de twee factoren op de responsvariabele bestaat.

In deze tutorial wordt uitgelegd hoe u een tweerichtings-ANOVA uitvoert in SPSS.

Voorbeeld: tweeweg-ANOVA in SPSS

Een botanicus wil weten of de plantengroei wordt beïnvloed door blootstelling aan zonlicht en de frequentie van water geven. Ze plant 30 zaden en laat ze twee maanden lang groeien onder verschillende omstandigheden wat betreft blootstelling aan de zon en waterfrequentie. Na twee maanden registreert ze de hoogte van elke plant, in inches.

De resultaten worden hieronder weergegeven:

Gebruik de volgende stappen om een tweeweg-ANOVA uit te voeren om te bepalen of de waterfrequentie en blootstelling aan de zon een significant effect hebben op de plantengroei, en om te bepalen of er een interactie-effect is tussen de waterfrequentie en blootstelling aan de zon. water geven en blootstelling aan de zon.

Stap 1: Voer de tweeweg-ANOVA uit.

Klik op het tabblad Analyseren , vervolgens op Algemeen lineair model en vervolgens op Univariate :

Sleep de hoogte van de responsvariabele naar het vak met de naam Afhankelijke variabele. Sleep de twee water- en zonfactorvariabelen naar het vak met de naam Vaste factor:

Klik vervolgens op de knop Percelen . Sleep het water naar het gebied met de naam Horizontale as en de zon naar het gebied met de naam Gescheiden lijnen. Klik vervolgens op Toevoegen . De woorden water*zon verschijnen in het vak met de titel Plots. Klik vervolgens op Doorgaan .

Klik vervolgens op de knop Post Hoc . In het nieuwe venster dat verschijnt, sleept u de sun- variabele naar het vak met de naam Post-Hoc Tests For. Vink vervolgens het vakje naast Tukey aan. Klik vervolgens op Doorgaan .

Klik vervolgens op de knop EM Means . Sleep de volgende variabelen naar het vak met het label Gemiddelden weergeven voor. Klik vervolgens op Doorgaan .

Klik ten slotte op OK .

Stap 2: Interpreteer de resultaten.

Zodra u op OK klikt, verschijnen de tweeweg-ANOVA-resultaten. Zo interpreteert u de resultaten:

Tests van effecten tussen proefpersonen

De eerste tabel toont de p-waarden voor de water- en zonfactoren , evenals het water*zon- interactie-effect:

We kunnen de volgende p-waarden zien voor elk van de factoren in de tabel:

• water: p-waarde = 0,000
• zon: p-waarde = 0,000
• water*zon: p-waarde = 0,201

Omdat de p-waarde voor water en zon kleiner is dan 0,05, vertelt dit ons dat beide factoren een statistisch significant effect hebben op de planthoogte.

En aangezien de p-waarde voor het interactie-effect (0,201) niet minder dan 0,05 bedraagt, vertelt dit ons dat er geen significant interactie-effect is tussen blootstelling aan de zon en de frequentie van water geven.

Geschatte marginale middelen

De eerste tabel toont de gemiddelden van de waarnemingen voor elke factor:

Bijvoorbeeld:

• De gemiddelde hoogte van de planten die dagelijks water kregen, was 5,893 inch.
• De gemiddelde hoogte van planten bij blootstelling aan zware zon was 6,62 inch.
• De gemiddelde hoogte van planten die dagelijks water kregen en zwaar werden blootgesteld aan zonlicht, was 18,32 centimeter.

Enzovoort.

Post-hoc testen

Deze tabel toont p-waarden voor Tukey’s post-hocvergelijkingen tussen de drie verschillende niveaus van blootstelling aan de zon.

In de tabel kunnen we de p-waarden zien voor de volgende vergelijkingen:

• hoog vs. laag: | p-waarde = 0,000
• hoog versus gemiddeld | p-waarde = 0,000
• laag versus gemiddeld | p-waarde = 0,447

Dit vertelt ons dat er een statistisch significant verschil is tussen hoge en lage blootstelling aan de zon, evenals hoge en gemiddelde blootstelling aan de zon, maar er is geen significant verschil tussen lage en gemiddelde blootstelling aan de zon.

Stap 3: Rapporteer de resultaten.

Ten slotte kunnen we de resultaten van de tweerichtings-ANOVA rapporteren. Hier is een voorbeeld van hoe u dit kunt doen:

Er werd een tweeweg-ANOVA uitgevoerd om te bepalen of de waterfrequentie (dagelijks of wekelijks) en blootstelling aan de zon (laag, gemiddeld, hoog) een significant effect hadden op de plantengroei. In totaal zijn bij het onderzoek 30 planten gebruikt.

Een tweeweg-ANOVA onthulde dat de waterfrequentie (p < 0,000) en blootstelling aan de zon (p < 0,000) beide een statistisch significant effect hadden op de plantengroei.

Planten die dagelijks water kregen, groeiden aanzienlijk sneller dan planten die wekelijks water kregen.

Bovendien bleek uit de test van Tukey voor meerdere vergelijkingen dat planten die veel aan de zon werden blootgesteld een aanzienlijk hogere groei hadden dan planten die een gemiddelde of lage blootstelling aan de zon kregen. Er was echter geen significant verschil tussen planten die een gemiddelde en lage blootstelling aan de zon kregen.

Er was ook geen statistisch significant interactie-effect tussen de waterfrequentie en blootstelling aan de zon.