Come interpretare Excel ANOVA
Passaggio 1
Controllare la tabella di dati utilizzata da Excel per il test ANOVA. Vengono visualizzati i dati risultanti dalle ripetute prove di commutazione tra i due fattori e anche tra due o più livelli di questi fattori. Ogni riga rappresenta un particolare fattore di test e ogni colonna rappresenta i test a un determinato livello di fattore, con tutte le possibili combinazioni rappresentate. Nel caso dell'esempio di grano, ci sarebbero nove prove diverse, frumento 1 / fertilizzante 1, frumento 1 / fertilizzante 2 e così via, con almeno due repliche di ogni prova.
Passaggio 2
Controllare il foglio di calcolo di Excel che contiene l'output ANOVA e cercare la tabella denominata "ANOVA".
Passaggio 3
Trova le righe etichettate "Campione", "Colonne" e "Interazione" nella colonna a sinistra della tabella ANOVA. Segui queste righe a destra fino a raggiungere la colonna con il titolo "F". In questa colonna sono i valori F calcolati associati ai test originali. Ci sarà un valore di F per ogni campione, colonne e interazioni. F è un test statistico che Excel calcola in base alla quantità di variazione esistente nei gruppi di dati, come tutte le prove che utilizzano lo stesso fattore, rispetto ai gruppi.
Passaggio 4
Continua a seguire le stesse righe sulla destra fino a raggiungere la colonna con il titolo "F crit". In questa colonna sono i valori critici di F per campione, colonna e interazioni. Questo è un valore standard che Excel cerca in un database interno. È un pass / no-pass basato su diversi fattori statistici, incluso il numero di prove.
Passaggio 5
Confrontare il valore F della riga Sample per il valore critico F per la stessa riga. Se il valore di F è maggiore della F critica, ciò significa che i cambiamenti tra i fattori nelle prove hanno avuto un effetto statisticamente significativo sui risultati di tali test. Nel caso dell'esempio di grano, significherebbe che il tipo di grano usato ha influenzato il tasso di crescita osservato. Se il valore di F era inferiore alla F critica, il fattore ha avuto un effetto non superiore alla variazione casuale prevista e non era significativo.
Passaggio 6
Confrontare il valore F della riga della colonna con il valore F critico per quella riga. Questa volta, se il valore F per questa riga supera la F critica, significa che la variazione dei livelli di fattore ha avuto un effetto significativo. Nell'esempio, ciò significherebbe che il particolare fertilizzante usato ha fatto una differenza nel tasso di crescita del grano che potrebbe essere distinto dalla possibilità di variazione casuale.
Passaggio 7
Confrontare il valore F della riga Interazioni con il valore della riga critica F. Se il valore di F per questa riga supera la F critica, ti dice che ci sono state interazioni significative tra i fattori e i loro livelli. Ciò significa che la quantità di variazione ottenuta quando si passa da un elemento a un altro dipenderà dal livello in cui si è. Ad esempio, il grano 2 può avere il più alto tasso di crescita, ma solo quando viene usato il fertilizzante 3.
