解释三向方差分析：交互作用的效果检验不显着，但事后似乎显着不同你好，
我进行了三因素方差分析，以查看因素（CO2、灌溉和栽培品种）对小麦粒数的影响。
结果表明CO2与栽培品种的交互作用不显着(p>0.05)，但Tukey检验显示二者之间存在交互作用。
当我研究 CO2 和灌溉的相互作用时，它们看起来类似于 CO2 和品种的相互作用，但其效果测试实际上是显着的。
我不明白为什么多重比较显示有交互，但效果测试告诉我没有。
分析回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同我不确定你在问我什么？ 我认为马克很好地解释了测试中的差异。 我建议暂时搁置统计测试。 绘制数据。 评估数据变化的实际意义。 调查任何异常数据点的数据（这可以通过先验预测结果来帮助）。 当它实际上是一个“特殊原因”数据点时，通常会分配更高阶的影响。 分析应始终遵循以下顺序：实用、图形然后定量。
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同通常，如果我清楚地理解零假设是否被接受，则意味着均值之间没有差异，因此无需进行事后检验或期望组间有任何差异，正如我们在第一个问题中看到的那样。 我们如何解释这一点？
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同8) ......所以Statman你说什么？
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同不得不笑……把我的啤酒吐出来。 你是多么正确。
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同首先，我解释了整体方差分析和个体效应检验是基于分别添加一组术语或一个术语，而不是关于任何一对水平的陈述。 另一方面，Tukey 比较是关于水平的。 即使 Tukey 调整了比较次数，使得 I 型错误率是实验性的而不是比较性的，它仍然（显然）是 0.05，所以当你到目前为止像你的例子一样进行足够的测试时，你可能会得到误报。
似乎您正在尝试许多不同的比较。 你的实验设计不足以支持这么多的测试。 该设计假设您正在做出特定的推论。 在获得阳性结果之前，请小心避免“采摘樱桃”。
在任何一种情况下，如果您相信 Tukey 方法发现的比较，那么您需要用新的、独立的观察来确认它们。
最后，在 statman 有机会问之前，无论统计意义如何，这些差异是否有意义或实际重要？
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同在进行 2-way ANOVA（不考虑灌溉效果）时，我发现上述的交互作用并不显着，同样是对交互项的火鸡测试。 我无法理解为什么我们在进行 3-way ANOVA（如上）时会有所不同。 在我需要考虑所有术语（主要因素）的这种情况下，我应该做什么，或者更确切地说，我如何表示这种差异。 您可以在这里提供指导吗？
回复：解释三向方差分析：交互作用的影响测试不显着，但事后似乎显着不同你会得到不同的答案，因为这些测试问的是两个不同的问题。 效果检验是询问该术语作为一个整体是否会在与其他术语一起添加时显着改变模型。 它基于与添加项相关的平方和。 可能没有足够的证据（均方）来指示显着项（F 比）。 另一方面，Tukey 检验询问因子水平组合的最小二乘均值之间的差异。 因此，可能整个项的检验不显着，但某些因子水平组合之间的差异显着。 他们经常同意，但实际上并没有要求他们应该这样做。
