HINWEIS: Die IDRE Statistical Consulting Group wird die Migration der Website auf das WordPress CMS im Februar, um die Wartung und Erstellung neuer Inhalte zu erleichtern. Einige unserer älteren Seiten werden entfernt oder archiviert, so dass sie nicht länger erhalten bleiben. Wir werden versuchen, die Weiterleitungen so zu halten, dass die alten URLs weiterhin so gut funktionieren, wie wir können. Willkommen beim Institut für Digitale Forschung und Bildung Helfen Sie der Stat Consulting Group durch ein Geschenk Stata Themen ANOVA Diese Seiten enthalten Links von allen Teilen unserer Website und anderen Websites auf ANOVA. Die Themen werden von einführend bis fortgeschritten. Der Inhalt dieser Website sollte nicht als eine Anerkennung für eine bestimmte Website, ein Buch oder ein Softwareprodukt von der University of California ausgelegt werden. Zweiweg-ANOVA in SPSS Statistics Einleitung Die zweifache ANOVA vergleicht die durchschnittlichen Unterschiede zwischen Gruppen Wurden auf zwei unabhängige Variablen (genannt Faktoren) aufgeteilt. Der primäre Zweck einer Zwei-Wege-ANOVA ist zu verstehen, ob es eine Interaktion zwischen den beiden unabhängigen Variablen auf der abhängigen Variable. Zum Beispiel könnten Sie eine Zwei-Wege-ANOVA zu verstehen, ob es eine Interaktion zwischen Geschlecht und Bildungsniveau auf Testangst unter den Studenten, wo Geschlecht (männliche Geschlechter) und Bildungsniveau (undergraduatepostgraduate) sind Ihre unabhängigen Variablen und Test-Angst ist Ihre abhängige Variable. Alternativ können Sie bestimmen, ob es eine Wechselwirkung zwischen körperlicher Aktivität und Geschlecht auf die Blutcholesterin-Konzentration bei Kindern, wo körperliche Aktivität (lowmoderatehigh) und Geschlecht (malefemale) sind Ihre unabhängigen Variablen und Cholesterin-Konzentration ist Ihre abhängige Variable. Der Interaktionsterm in einer Zweiweg-ANOVA informiert Sie darüber, ob der Effekt einer Ihrer unabhängigen Variablen auf die abhängige Variable für alle Werte Ihrer anderen unabhängigen Variablen gleich ist (und umgekehrt). Zum Beispiel ist die Wirkung von Geschlecht (malefemale) auf Testangst von Bildungsniveau beeinflusst (undergraduatepostgraduate) Darüber hinaus, wenn eine statistisch signifikante Interaktion gefunden wird, müssen Sie bestimmen, ob es irgendwelche einfache Haupteffekte, und wenn es gibt, was diese Effekte sind (wir besprechen dies später in unserem Leitfaden). Anmerkung: Wenn Sie drei unabhängige Variablen anstelle von zwei haben, benötigen Sie eine Dreiwege-ANOVA. In dieser Kurzanleitung zeigen wir Ihnen, wie Sie mit SPSS Statistics eine Zweiwege-ANOVA durchführen und die Ergebnisse aus diesem Test interpretieren und melden können. Bevor wir Ihnen dieses Verfahren vorstellen, müssen Sie jedoch die verschiedenen Annahmen verstehen, die Ihre Daten erfüllen müssen, damit für eine Zweiwege-ANOVA ein gültiges Ergebnis vorliegt. Wir diskutieren diese Annahmen als nächstes. SPSS Statistics Annahmen Wenn Sie Ihre Daten mit einer Zweiwege-ANOVA analysieren möchten, müssen Sie sicherstellen, dass die Daten, die Sie analysieren möchten, mit einer Zweiwege-ANOVA analysiert werden können. Sie müssen dies tun, weil es nur angemessen ist, eine Zwei-Wege-ANOVA verwenden, wenn Ihre Daten sechs Annahmen, die für eine Zwei-Wege-ANOVA, um Ihnen ein gültiges Ergebnis erforderlich sind. In der Praxis bedeutet die Überprüfung für diese sechs Annahmen, dass Sie einige weitere Prozeduren haben, um in der SPSS-Statistik durchzuführen, wenn Sie Ihre Analyse durchführen, und verbringen Sie ein wenig mehr Zeit mit dem Nachdenken über Ihre Daten, aber es ist keine schwierige Aufgabe. Bevor wir Ihnen diese sechs Annahmen vorstellen, sollten Sie sich nicht wundern, wenn bei der Analyse Ihrer eigenen Daten mit SPSS Statistics eine oder mehrere dieser Annahmen verletzt werden (d. H. Nicht erfüllt). Dies ist nicht ungewöhnlich bei der Arbeit mit realen Daten anstatt Lehrbuch Beispiele, die oft nur zeigen, wie Sie eine Zwei-Wege-ANOVA durchführen, wenn alles gut geht, aber keine Sorge. Selbst wenn Ihre Daten bestimmte Annahmen nicht bestehen, gibt es oft eine Lösung, um dies zu überwinden. Zuerst wollen wir einen Blick auf diese sechs Annahmen werfen: Annahme 1: Ihre abhängige Variable sollte auf dem kontinuierlichen Niveau gemessen werden (d. h. es sind Intervall - oder Verhältnisvariablen). Beispiele für kontinuierliche Variablen umfassen die Revisionszeit (gemessen in Stunden), die Intelligenz (gemessen unter Verwendung des IQ-Scores), die Prüfungsleistung (gemessen von 0 bis 100), das Gewicht (gemessen in kg) und so weiter. Sie können mehr über Intervall - und Verhältnisvariablen in unserem Artikel erfahren: Arten von Variablen. Annahme 2: Ihre beiden unabhängigen Variablen sollten jeweils aus zwei oder mehr kategorischen bestehen. Unabhängigen Gruppen. Beispiel unabhängige Variablen, die dieses Kriterium erfüllen, umfassen Geschlecht (2 Gruppen: männlich oder weiblich), Ethnizität (3 Gruppen: Kaukasier, Afroamerikaner und Hispaniker), Beruf (5 Gruppen: Chirurg, Arzt, Krankenschwester, Zahnarzt, Therapeut) und so weiter . Annahme 3: Sie sollten die Unabhängigkeit der Beobachtungen haben. Was bedeutet, dass es keine Beziehung zwischen den Beobachtungen in jeder Gruppe oder zwischen den Gruppen selbst gibt. Beispielsweise müssen in jeder Gruppe unterschiedliche Teilnehmer vorhanden sein, wobei kein Teilnehmer mehr als eine Gruppe hat. Dies ist eher eine Studie Design-Problem als etwas, das Sie testen würde, aber es ist eine wichtige Annahme der Zwei-Wege-ANOVA. Wenn Ihre Studie diese Annahme nicht besteht, müssen Sie einen anderen statistischen Test anstelle der Zwei-Wege-ANOVA (z. B. eine wiederholte Maßnahmen Design) verwenden. Wenn Sie nicht sicher sind, ob Ihre Studie dieser Annahme entspricht, können Sie unsere Statistische Testauswahl verwenden. Die Teil unserer erweiterten Guides ist. Annahme 4: Es sollten keine signifikanten Ausreißer vorhanden sein. Ausreißer sind Datenpunkte innerhalb Ihrer Daten, die nicht dem üblichen Muster folgen (zB in einer Studie von 100 Studenten IQ Scores, wo die mittlere Punktzahl 108 mit nur einer kleinen Abweichung zwischen den Schülern war, hatte ein Schüler eine Punktzahl von 156, was sehr ist Ungewöhnlich, und kann sogar setzen sie in die Top 1 der IQ-Scores global). Das Problem mit Ausreißern ist, dass sie einen negativen Effekt auf die Zweiwege-ANOVA haben können, wodurch die Genauigkeit Ihrer Ergebnisse reduziert wird. Zum Glück können Sie bei der Verwendung von SPSS Statistics, um eine Zweiweg-ANOVA auf Ihren Daten auszuführen, mögliche Ausreißer leicht erkennen. In unserem erweiterten Zwei-Wege-ANOVA-Leitfaden zeigen wir Ihnen: (a) zeigen Sie, wie Sie Ausreißer mit SPSS-Statistiken ermitteln und (b) einige der Optionen besprechen, die Sie haben, um mit Ausreißern umzugehen. Annahme 5: Ihre abhängige Variable sollte für jede Kombination der Gruppen der beiden unabhängigen Variablen ungefähr normal verteilt sein. Während dies klingt ein wenig trickreich, es ist leicht getestet für die Verwendung von SPSS Statistics. Auch wenn wir über die Zweiwege-ANOVA sprechen, die nur annähernd normale Daten erfordern, liegt das daran, dass sie sehr robust gegenüber Verletzungen der Normalität ist, was bedeutet, dass die Annahme ein wenig verletzt werden kann und dennoch gültige Ergebnisse liefert. Sie können auf Normalität mit dem Shapiro-Wilk-Test für Normalität testen, die leicht für die Verwendung von SPSS Statistics getestet wird. Zusätzlich dazu, wie Sie dies in unserem erweiterten Zwei-Wege-ANOVA-Leitfaden tun können, erklären wir auch, was Sie tun können, wenn Ihre Daten diese Annahme nicht bestehen (d. H. Wenn es nicht mehr als ein wenig ausfällt). Annahme 6: Für jede Kombination der Gruppen der beiden unabhängigen Variablen muss eine Homogenität der Abweichungen bestehen. Auch wenn dies ein wenig kompliziert klingt, können Sie leicht testen, diese Annahme in SPSS Statistics mit Levenes-Test für Homogenität von Abweichungen. In unserem erweiterten Zweiweg-ANOVA-Leitfaden zeigen wir Ihnen, wie Sie den Levenes-Test für Homogenität von Abweichungen in SPSS Statistics durchführen können, (b) einige der Dinge, die Sie bei der Interpretation Ihrer Daten berücksichtigen müssen, erläutern und (c) Möglichkeiten, mit Ihrer Analyse fortzufahren, wenn Ihre Daten diese Annahme nicht erfüllen. Sie können die Annahmen 4, 5 und 6 mit SPSS Statistics überprüfen. Bevor Sie dies tun, sollten Sie sicherstellen, dass Ihre Daten die Annahmen 1, 2 und 3 erfüllen, obwohl Sie keine SPSS Statistics benötigen, um dies zu tun. Denken Sie daran, dass die Ergebnisse, die Sie beim Ausführen einer Zweiwege-ANOVA erhalten, möglicherweise nicht gültig sind, wenn Sie die statistischen Tests auf diesen Annahmen nicht korrekt ausführen. Aus diesem Grund widmen wir eine Reihe von Abschnitten unserer erweiterten Zwei-Wege-ANOVA-Leitfaden, um Ihnen helfen, dieses Recht zu erhalten. Informieren Sie sich hier über unsere verbesserten Inhalte als Ganzes. Oder genauer, lernen, wie wir helfen, mit Testen Annahmen hier. Im Abschnitt Testvorgang in SPSS Statistics. Veranschaulichen wir die SPSS Statistics-Prozedur, um eine Zwei-Wege-ANOVA unter der Annahme durchzuführen, dass keine Annahmen verletzt wurden. Zunächst haben wir das Beispiel, das wir verwenden, um das Zwei-Wege-ANOVA-Verfahren in SPSS Statistics zu erklären.
No comments:
Post a Comment