Pour le test ANOVA unidirectionnel, pourquoi les résultats de « Ajuster Y par X » et « Ajuster le modèle » sont différents ?Salut,
J'essayais de faire un test ANOVA unidirectionnel en utilisant "Fit Y by X" et "Fit Least Squares", les exemples de données que j'ai utilisés sont "Snapdragon". À l'origine, je pensais que la valeur P et le rapport F obtenus avec les deux méthodes devraient être les mêmes (voir la partie en surbrillance). Cependant, j'avais tort. Ils sont en fait assez différents
Quelqu'un pourrait-il me dire pourquoi ils sont différents en utilisant ces deux méthodes ? Laquelle est l’analyse la plus précise ?
Merci beaucoup!
Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont di
J'ai compris. C'est déjà très utile. Merci!
Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont diOui. Si plusieurs facteurs pourraient affecter la réponse, j'explorerais les données de plusieurs manières et je terminerais très probablement par un modèle multivarié (Fit Model) pour mes conclusions finales. Dans certains cas, vous devrez peut-être également prendre en compte les interactions entre les facteurs et l'ajustement par étapes.
Malheureusement, je ne peux pas vous dire ce que vous devrez faire dans chaque situation dans l'espace d'un fil de discussion. Vous voudrez peut-être envisager de suivre une formation formelle.Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont diSalut Phil,
Merci pour l'explication approfondie. Cela a plus de sens maintenant. Donc, si j'ai un ensemble de données plus compliqué (plusieurs facteurs et chaque facteur a > 5 niveaux) et que j'essaie de trouver les facteurs les plus dominants, je devrais faire une analyse d'ajustement du modèle et tirer une conclusion de ce résultat, au lieu de simplement regarder au résultat de l'ANOVA unidirectionnelle et trouvez celui avec le rapport F le plus élevé. Ma compréhension est-elle correcte ?
Merci,
Sichao
Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont diVous demandez également quelle est l’analyse la plus précise ? Eh bien, tous les modèles sont faux...
Cependant, les analyses unidirectionnelles individuelles comparent la variance de l'effet à la variance de l'erreur. Mais la variance de l’erreur est surestimée car elle inclut une variance qui peut s’expliquer par l’effet manquant.
Par conséquent, je suggérerais que le modèle combiné est le modèle le plus utile car le terme d’erreur n’est que la variance restante après avoir pris en compte les effets des effets factoriels.
Cela rejoint vraiment l’hypothèse formulée au début de l’expérimentation.
Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont diEn fait, dans ce cas, vous pouvez voir que la Somme des Carrés du Modèle combiné (142) est simplement la somme des Sommes des Carrés pour les effets dans les modèles individuels (103 + 39). Jetez un œil aux tableaux ANOVA - j'espère que cela a du sens.
(Dans ce cas, les effets du sol et du bloc sont orthogonaux - non corrélés les uns aux autres - car il s'agit de données provenant d'une expérience conçue. Dans d'autres cas - avec des données d'observation - ce ne sera pas nécessairement le cas)
Re : Pour le test ANOVA unidirectionnel, pourquoi les résultats de "Fit Y by X" et "Fit Model" sont diSalut,
La réponse simple est qu'avec Fit Y by X, vous installez 2 modèles distincts. Avec Fit Model, vous ajustez un modèle avec les deux effets.
Les tests F comparent la variance du modèle à la variance d'erreur. La combinaison des effets de sol et de bloc explique davantage la variation de Y que l’un ou l’autre seul. Par conséquent, la variance d’erreur est plus faible et le rapport F est plus élevé.
Est ce que ça aide?
Salutations,
Phil
