Hola,
Estaba tratando de hacer una prueba ANOVA de una vía usando "Ajustar Y por X" y "Ajustar los mínimos cuadrados", los datos de muestra que usé son "Snapdragon". Originalmente, pensé que el valor de P y la proporción de F que obtuve de ambos métodos deberían ser iguales (ver parte resaltada). Sin embargo me equivoqué. En realidad son bastante diferentes.
¿Podría alguien decirme por qué son diferentes utilizando estos dos métodos? ¿Cuál es un análisis más preciso?
¡Muchas gracias!
Creo que se debe a que su modelo Ajustar cuadrados mínimos tiene dos factores, mientras que sus modelos ANOVA son dos modelos, uno para cada factor. Por lo tanto, el modelo Fit Least Squares en realidad captura la variación simultánea en los dos factores, mientras que el ANOVA muestra solo el efecto individual de cada factor, ignorando el otro factor. En general, el modelo con 2 factores es más preciso, ya que explica la variación simultánea en ambos factores. Si hay mucha correlación entre los dos factores, entonces los coeficientes para cada uno podrían estar sesgados, pero las predicciones del modelo deberían ser más precisas que para los resultados individuales de ANOVA. Con suerte, un estadístico más competente confirmará estas afirmaciones (o no).
Para ampliar la respuesta de Adán:
La razón es bastante simple. En cualquier conjunto de datos dado hay una cantidad definitiva de variabilidad. En su caso específico, esto se puede ver en el valor de la suma total de cuadrados, 161.93143. Como se ve en cada uno de los 3 análisis, este valor es el mismo.
En un Anova simple, las fuentes de variación se sumarán a la suma total de cuadrados. La fórmula generalizada es:
SS total = Modelo SS + Error
El elemento crítico aquí es el término de error. Se supone que la estimación de Error es lo que queda una vez que se calcula el Modelo SS.
Error = Total SS - Modelo SS
Si observa la sección Análisis de varianza en la salida de cada uno de sus análisis, verá esto. Para su análisis de Y por suelo:
161.93143 = 103.15143 + 58.78000
O
58.78000 = 161.93143 - 103.15143
La prueba para determinar el Anova es una prueba de F. Una prueba F divide la cantidad de variabilidad para el modelo por la estimación de la variabilidad del error. Los grados de libertad apropiados se dividen en cada suma de cuadrados antes de calcular la prueba F real. Los resultados de esto se llama el cuadrado medio. Para su análisis de Y por suelo.
(103.15143 / 6) / 58.78000 / 14) = 4.0947
Ahora para la respuesta.
La estimación del error en su Anova de 2 vías se ha reducido considerablemente en comparación con la estimación del error en el Anewa de Oneway porque tanto el suelo como el bloque SS se restan del total de SS.
Error = SS total - Suelo SS - Bloque SS
