Jak przeprowadzić dwukierunkową anova w spss

Dwuczynnikową analizę ANOVA stosuje się w celu określenia, czy istnieje statystycznie istotna różnica pomiędzy średnimi z trzech lub większej liczby niezależnych grup, które zostały podzielone na dwa czynniki.

Celem dwuczynnikowej analizy ANOVA jest określenie wpływu dwóch czynników na zmienną odpowiedzi oraz określenie, czy istnieje interakcja pomiędzy tymi dwoma czynnikami na zmienną odpowiedzi.

W tym samouczku wyjaśniono, jak przeprowadzić dwukierunkową analizę ANOVA w SPSS.

Przykład: Dwukierunkowa ANOVA w SPSS

Botanik chce wiedzieć, czy na wzrost roślin wpływa ekspozycja na światło słoneczne i częstotliwość podlewania. Sadzi 30 nasion i pozwala im rosnąć przez dwa miesiące w różnych warunkach nasłonecznienia i częstotliwości podlewania. Po dwóch miesiącach rejestruje wysokość każdej rośliny w calach.

Wyniki przedstawiono poniżej:

Wykonaj poniższe kroki, aby wykonać dwukierunkową analizę ANOVA w celu ustalenia, czy częstotliwość podlewania i ekspozycja na słońce mają znaczący wpływ na wzrost roślin oraz w celu ustalenia, czy istnieje efekt interakcji pomiędzy częstotliwością podlewania i ekspozycją na słońce. podlewanie i ekspozycja na słońce.

Krok 1: Wykonaj dwukierunkową ANOVA.

Kliknij kartę Analiza , następnie Ogólny model liniowy , a następnie Jednowymiarowy :

Przeciągnij wysokość zmiennej odpowiedzi do pola o nazwie Zmienna zależna. Przeciągnij dwie zmienne współczynnika wody i słońca do pola oznaczonego Współczynnik stały:

Następnie kliknij przycisk Wykresy . Przeciągnij wodę do obszaru oznaczonego Oś pozioma, a słońce do obszaru oznaczonego Linie oddzielone. Następnie kliknij Dodaj . Słowa woda*słońce pojawią się w polu Działki. Następnie kliknij Kontynuuj .

Następnie kliknij przycisk Post Hoc . W nowym oknie, które się pojawi, przeciągnij zmienną sun do pola oznaczonego Testy post-hoc dla. Następnie zaznacz pole obok Tukey . Następnie kliknij Kontynuuj .

Następnie kliknij przycisk EM Means . Przeciągnij następujące zmienne do pola Pokaż średnie dla. Następnie kliknij Kontynuuj .

Na koniec kliknij OK .

Krok 2: Interpretacja wyników.

Po kliknięciu OK pojawią się dwukierunkowe wyniki ANOVA. Oto jak interpretować wyniki:

Badania efektów międzyobiektowych

Pierwsza tabela przedstawia wartości p dla czynników wody i słońca , a także efekt interakcji woda*słońce :

W tabeli możemy zobaczyć następujące wartości p dla każdego z czynników:

• woda: wartość p = 0,000
• słońce: wartość p = 0,000
• woda*słońce: wartość p = 0,201

Ponieważ wartość p dla wody i słońca jest mniejsza niż 0,05, mówi nam to, że oba czynniki mają statystycznie istotny wpływ na wysokość rośliny.

A ponieważ wartość p dla efektu interakcji (0,201) jest nie mniejsza niż 0,05, oznacza to, że nie ma znaczącego efektu interakcji pomiędzy ekspozycją na słońce a częstotliwością podlewania.

Szacowane średnie krańcowe

Pierwsza tabela przedstawia średnie obserwacji dla każdego czynnika:

Na przykład:

• Średnia wysokość roślin podlewanych codziennie wynosiła 5,893 cala.
• Średnia wysokość roślin w warunkach silnego nasłonecznienia wynosiła 6,62 cala.
• Średnia wysokość roślin podlewanych codziennie i mocno nasłonecznionych wynosiła 18,3 cm.

I tak dalej.

Testowanie post-hoc

Ta tabela przedstawia wartości p dla porównań post hoc Tukeya pomiędzy trzema różnymi poziomami ekspozycji na słońce.

W tabeli możemy zobaczyć wartości p dla następujących porównań:

• wysoki vs. niski: | wartość p = 0,000
• wysoki vs średni | wartość p = 0,000
• niski vs średni | wartość p = 0,447

To mówi nam, że istnieje statystycznie istotna różnica między wysokim i niskim nasłonecznieniem, a także wysokim i średnim nasłonecznieniem, ale nie ma znaczącej różnicy między niskim i średnim nasłonecznieniem.

Krok 3: Ogłoś wyniki.

Na koniec możemy zgłosić wyniki dwuczynnikowej analizy ANOVA. Oto przykład, jak to zrobić:

Przeprowadzono dwuczynnikową analizę ANOVA w celu określenia, czy częstotliwość podlewania (codziennie lub co tydzień) i ekspozycja na słońce (niska, średnia, wysoka) miały znaczący wpływ na wzrost roślin. W badaniu wykorzystano łącznie 30 roślin.

Dwuczynnikowa analiza ANOVA ujawniła, że częstotliwość podlewania (p < 0,000) i ekspozycja na słońce (p < 0,000) miały statystycznie istotny wpływ na wzrost roślin.

Rośliny podlewane codziennie charakteryzowały się znacznie większym wzrostem niż rośliny podlewane co tydzień.

Dodatkowo test Tukeya dla wielokrotnych porównań ujawnił, że rośliny, które były narażone na duże nasłonecznienie, miały znacznie wyższy wzrost niż rośliny, które były narażone na średnie lub słabe nasłonecznienie. Nie stwierdzono jednak istotnej różnicy pomiędzy roślinami, które otrzymały średnie i niskie nasłonecznienie.

Nie stwierdzono również statystycznie istotnego wpływu interakcji pomiędzy częstotliwością podlewania a ekspozycją na słońce.