Editverse Gratis Lommeregner

Envejs ANOVA-beregner

Sammenlign middelværdierne af tre eller flere uafhængige grupper på én gang – med F-statistikken, frihedsgraderne, p-værdien og Tukey HSD post-hoc-sammenligninger. Se formlen og den reproducerbare R-kommando, og læs en komplet fortolkningsvejledning nedenfor. Valideret mod R 4.3.3.

Med simple ord

Envejs- ANOVA (variansanalyse) besvarer et enkelt spørgsmål: Har tre eller flere grupper forskellige gennemsnit, eller kan forskellene blot være tilfældige? Du indtaster hver gruppes tal, og ANOVA returnerer en F-statistik og en p-værdi for, om nogen gruppe afviger.

Hvis den samlede test er signifikant, fortæller en post-hoc-test som Tukey HSD dig , hvilke specifikke par af grupper der adskiller sig. Brug ANOVA i stedet for at køre mange t-tests , hvilket ville oppuste din falsk-positive rate. For kun to grupper skal du bruge en t-test; for skæve data kan du overveje Kruskal-Wallis-testen.

Hvornår skal man bruge envejs ANOVA

Envejs-ANOVA sammenligner et kontinuerligt resultat på tværs af tre eller flere uafhængige grupper defineret af en enkelt kategorisk faktor - for eksempel sammenligning af en biomarkør på tværs af lav-, mellem- og højdosisarme. Den tester den globale nulhypotese om, at alle gruppegennemsnit er ens.

Brug den, når dit resultat er kontinuert, grupperne er uafhængige, resultatet er tilnærmelsesvis normalt inden for hver gruppe, og grupperne har nogenlunde lige stor varians (varianshomogenitet). En signifikant F fortæller dig, at mindst én gruppe er forskellig, men ikke hvilken – det kræver en post-hoc-procedure såsom Tukey HSD, hvor korrektionen for multiple sammenligninger er valgt på forhånd. For kun to grupper er en t-test ækvivalent og enklere; for tydeligt ikke-normale data er et ikke-parametrisk alternativ mere passende. Er du ikke sikker på, at ANOVA passer til dit design? Vores interaktive testvælger guider dig gennem den.

Envejs ANOVASammenlign gennemsnit på tværs af 3+ grupper · valideret vs. R 4.3.3
brugervejledning

Hvornår skal det bruges? Sammenlign gennemsnit på tværs af tre eller flere uafhængige grupper samtidigt.

Antagelser. Uafhængighed; normalitet inden for grupper; varianshomogenitet.

Almindelige fejl. Kør ikke flere parvise t-tests i stedet: det oppuster type I-fejlraten.

Udarbejdet eksempel

Klik på Indlæs eksempeldata ovenfor, og derefter på Kør analyse for at se et fuldt udarbejdet resultat med figur, formel og fortolkning af denne test.

Referencer
  1. Fisher RA. Statistiske metoder for forskere. 1925.
drevet af editverse.com · R 4.3.3 valideret · v3.6Brug for ekspertanalyse? →

Udarbejdede eksempler

Eksempel 1 — Tre doser (signifikante)

Resultatværdierne for lave (12, 15, 14, 13), mellem (18, 20, 17, 19) og høje (22, 24, 21, 23) dosisgrupper stiger støt på tværs af doser. Envejs-ANOVA returnerer en stor F og en lille p-værdi (p < 0.001), hvilket forkaster nulværdien om, at alle gennemsnit er ens. En Tukey HSD post-hoc viser derefter, hvilke dosispar der er forskellige - her er alle tre forskellige fra hinanden.

Eksempel 2 — Overlappende grupper (ikke signifikante)

Hvis tre grupper har lignende middelværdier med brede, overlappende spreads, er F-statistikken lille og p-værdien stor (p > 0.05). Den korrekte konklusion er, at der ikke er tegn på nogen forskel mellem gruppemiddelværdierne – og ingen post-hoc-test er berettiget.

Antagelser, der skal kontrolleres

Uafhængighed. Observationer skal være uafhængige på tværs af og inden for grupper. Gentagne målinger på de samme forsøgspersoner kræver i stedet gentagne ANOVA-målinger eller en blandet model.

Normalitet. Resultatet bør være omtrent normalt inden for hver gruppe; undersøg residualerne med et QQ-plot. ANOVA er forholdsvis robust over for milde afvigelser, især med afbalancerede, større stikprøver.

Varians homogenitet. Grupper bør have lignende varianser (tjek med Levenes test). Hvis varianserne afviger markant, skal Welchs ANOVA anvendes, som ikke antager lige store varianser.

Almindelige fejl

Kørsel af mange t-tests i stedet for ANOVA

Sammenligning af hvert par af grupper med separate t-tests oppuster type I-fejlraten. Brug ANOVA til den globale test og derefter en korrigeret post-hoc-procedure.

Springer post-hoc-korrektionen over

En signifikant ANOVA angiver ikke, hvilke grupper der adskiller sig. Brug Tukey HSD eller en anden metode med indbygget multipel sammenligningskontrol i stedet for ukorrigerede parvise tests.

Ignorering af ulige varianser

Hvis gruppevarianserne afviger væsentligt, kan standard ANOVA være vildledende. Skift til Welchs ANOVA.

Rapportering af kun p-værdien

Angiv en effektstørrelse (eta-kvadrat eller omega-kvadrat) sammen med F og p, så læserne kan bedømme størrelsen, ikke kun signifikansen. Se effektstørrelsesberegneren.

Ofte stillede spørgsmål

Hvad er forskellen mellem ANOVA og en t-test?

En t-test sammenligner middelværdier fra to grupper; ANOVA generaliserer dette til tre eller flere grupper i en enkelt test, mens fejlraten kontrolleres.

Hvad laver Tukey HSD?

Efter en signifikant ANOVA sammenligner Tukeys Honestly Significant Difference-test alle par af grupper, mens den kontrollerer den familievise fejlrate og fortæller dig, hvilke specifikke par der adskiller sig.

Hvad hvis mine data ikke er normale?

For klart ikke-normale eller ordinale data er Kruskal-Wallis-testen det ikke-parametriske alternativ til envejs ANOVA.

Stemmer resultatet overens med SPSS, R og Stata?

Ja. Lommeregneren bruger de samme F-fordelings- og sum-af-kvadrater-beregninger som standardsoftware og viser den nøjagtige R-kommando, så du kan reproducere den.

Relaterede lommeregnere

Uafhængig t-testEffektstørrelse (Eta-kvadreret)Korrelation og regressionStikprøvestørrelse og -styrkeKonfidensintervalHvilken test skal jeg bruge?

Referencer

  1. Fisher RA. Statistiske metoder for forskereEdinburgh: Oliver & Boyd; 1925.
  2. Armstrong RA. Hvornår skal Bonferroni-korrektionen anvendes? Oftalmisk fysioterapeut. 2014;34(5):502–508. PMID 24697967.
  3. Greenland S, Senn SJ, Rothman KJ, et al. Statistiske tests, p-værdier, konfidensintervaller og styrke: en guide til fejlfortolkninger. Eur J Epidemiol. 2016;31(4):337–350. PMID 27209009.

Har du brug for at få udført denne analyse til dit manuskript?

Vores ph.d.-biostatistikere udfører din ANOVA, kontrollerer antagelserne, anvender den korrekte post-hoc-korrektion og leverer publikationsklare tabeller med reproducerbart R-output.

Få eksperthjælp til statistiske opgaver