3원 노바 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.안녕,
밀 알갱이 수에 대한 요인(CO2, 관개 및 품종)의 영향을 보기 위해 삼원 아노바를 수행했습니다.
효과는 CO2와 품종의 상호작용이 유의하지 않은 것으로 나타났으나(p>0.05), Tukey test는 이들 사이에 상호작용이 있는 것으로 보인다.
CO2와 관개의 상호작용을 살펴보면 CO2와 품종의 상호작용과 유사해 보이지만 실제로는 효과 시험이 유의미했다.
다중 비교가 상호 작용이 있음을 표시하는 이유를 이해하지 못했지만 효과 테스트에서는 아니오로 표시됩니다.
해석학Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.당신이 나에게 무엇을 묻는지 잘 모르겠어? 나는 마크가 테스트의 차이점을 꽤 잘 설명했다고 생각합니다. 내가 추천하는 것은 잠시 통계 테스트를 제쳐두는 것입니다. 데이터를 플로팅합니다. 데이터 변동의 실질적인 중요성을 평가합니다. 비정상적인 데이터 포인트에 대한 데이터를 조사합니다(이는 사전에 결과를 예측함으로써 도움이 될 수 있음). 종종 실제로 "특별한 원인"" 데이터 포인트인 경우 더 높은 차수의 효과가 할당됩니다. 분석은 항상 다음과 같은 순서를 따라야 합니다. 실용적, 그래픽, 정량적.
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.일반적으로 귀무 가설이 받아들여지는지 명확하게 이해하면 평균 간에 차이가 없으므로 사후 테스트를 수행하거나 첫 번째 질문에서 볼 수 있는 그룹 간의 차이를 예상할 필요가 없습니다. 우리는 이것을 어떻게 설명합니까?
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.8) ... 그래서 Statman 당신은 무엇을 말합니까??
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.웃어야만 했어... 맥주를 뱉었어. 당신이 얼마나 옳은지.
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.먼저, 전체 ANOVA와 개별 효과 검정은 각각 항의 집합 또는 항의 추가를 기반으로 하며 수준 쌍에 대한 설명이 아님을 설명했습니다. 반면에 Tukey 비교는 수준에 관한 것입니다. Tukey가 제1종 오류율이 비교 방식이 아닌 실험 방식이 되도록 비교 횟수를 조정하더라도 여전히 (명백하게) 0.05이므로 지금까지 예제와 같이 충분한 테스트를 수행하면 다음을 얻을 수 있습니다. 거짓 긍정.
또한 다양한 비교를 시도하는 것 같습니다. 실험 설계가 너무 많은 테스트를 지원하기에 부적절합니다. 설계에서는 사용자가 특정 추론을 한다고 가정합니다. 긍정적 인 결과를 얻을 때까지 "체리 따기"를 피하십시오.
두 경우 모두 Tukey 방법으로 찾은 비교를 믿는다면 새롭고 독립적인 관찰로 이를 확인해야 합니다.
마지막으로, statman이 질문할 기회를 얻기 전에 통계적 유의성과 상관없이 차이점이 의미가 있습니까? 아니면 실질적으로 중요합니까?
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.2-way ANOVA(관개 효과를 고려하지 않음)를 수행할 때 위의 상호 작용 효과가 유의하지 않음을 알 수 있습니다. 마찬가지로 상호 작용 항에 대한 칠면조 테스트입니다. 3-way ANOVA(위와 같이)를 수행할 때 왜 차이가 나는지 이해할 수 없습니다. 모든 용어(주요인자)를 고려해야 하는 상황에서 나는 무엇을 또는 오히려 어떻게 이러한 불일치를 표현해야 합니다. 여기에서 안내를 도와줄 수 있습니까?
Re: three-way nova 해석: 상호작용의 효과 테스트는 중요하지 않지만 사후에 상당히 다른 것처럼 보입니다.이 테스트는 두 가지 다른 질문을 하기 때문에 다른 답을 얻을 수 있습니다. 효과 검정은 항이 다른 항과 함께 추가될 때 항이 전체적으로 모형을 크게 변경하는지 묻는 것입니다. 항 추가와 관련된 제곱합을 기반으로 합니다. 유의미한 항(F 비율)을 나타내기에 충분한 증거(평균 제곱)가 없을 수 있습니다. 반면에 Tukey 검정은 요인 수준 조합의 최소 제곱 평균 간의 차이를 묻는 것입니다. 따라서 전체 항에 대한 검정은 유의하지 않지만 일부 요인 수준 조합 간의 차이는 유의할 수 있습니다. 그들은 종종 동의하지만 실제로 그렇게 해야 한다는 요구 사항은 없습니다.
