Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diversi?Ciao,
Stavo provando a fare il test ANOVA a una via usando "Adatta a Y da X" e "Adatta a minimi quadrati", i dati di esempio che ho usato sono "Snapdragon". Originariamente pensavo che il valore P e il rapporto F ottenuto da entrambi i metodi dovessero essere uguali (vedi parte evidenziata). Comunque ho sbagliato. In realtà sono abbastanza diversi
Qualcuno potrebbe dirmi perché sono diversi usando questi due metodi? Quale è un'analisi più accurata?
Grazie molto!
Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono di
Fatto. Questo è già molto utile. Grazie!
Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diSì. Se ho diversi fattori che potrebbero influenzare la risposta, vorrei esplorare i dati in un certo numero di modi e molto probabilmente finirebbe con un modello multivariato (Fit Model) per le mie conclusioni finali. In alcuni casi potrebbe anche essere necessario prendere in considerazione le interazioni tra i fattori e il montaggio graduale.
Purtroppo non posso dirti cosa dovresti fare in ogni situazione nello spazio di un thread di discussione. Potresti voler prendere in considerazione un po 'di formazione formale.Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diCiao Phil,
Grazie per la spiegazione approfondita. Questo ha più senso ora. Quindi, se ho un insieme di dati più complicato (diversi fattori, e ogni fattore ha> 5 livelli) e cerco di trovare i fattori più dominanti, dovrei fare un'analisi del modello di adattamento e trarre conclusioni da quel risultato, invece di limitarmi a guardare al risultato ANOVA a una via e trova quello con il rapporto F più alto. La mia comprensione è corretta?
Grazie,
Sichao
Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diChiedi anche, qual è l'analisi più accurata? Bene, tutti i modelli sono sbagliati ...
Tuttavia, le singole ana lisi unidirezionali stanno confrontando la varianza dell'effetto con la varianza dell'errore. Ma la varianza dell'errore è sovrastimata perché include la varianza che può essere spiegata dall'effetto mancante.
Pertanto suggerirei che il modello combinato è il modello più utile perché il termine di errore è solo la varianza rimasta dopo aver tenuto conto degli effetti degli effetti fattoriali.
Risale davvero all'ipotesi che è stata inquadrata all'inizio dell'esperimento.
Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diInfatti, in questo caso si può vedere che la somma dei quadrati del modello per il modello combinato (142) è semplicemente la somma di Somma dei quadrati per gli effetti nei singoli modelli (103 + 39). Dai un'occhiata ai tavoli ANOVA - speriamo che abbia senso.
(In questo caso gli effetti di Suolo e Blocco sono ortogonali - non correlati tra loro - perché si tratta di dati di un esperimento progettato. In altri casi - con dati osservativi - questo non sarà necessariamente il caso)
Ri: Per il test ANOVA unidirezionale, perché i risultati di "Adatta a Y da X" e "Adatta modello" sono diCiao,
La risposta semplice è che con Fit Y di X stai montando 2 modelli separati. Con Fit Model stai montando un modello con entrambi gli effetti.
I test F confrontano la varianza del modello con la varianza dell'errore. La combinazione di entrambi gli effetti Soil e Block tiene conto di più della variazione di Y rispetto a uno solo. Pertanto la varianza dell'errore è inferiore e il rapporto F è più alto.
Questo aiuta?
Saluti,
Phil
