解釋三向方差分析：交互作用的效果檢驗不顯著，但事後似乎顯著不同你好，
我進行了三因素方差分析，以查看因素（CO2、灌溉和栽培品種）對小麥粒數的影響。
結果表明CO2與栽培品種的交互作用不顯著(p>0.05)，但Tukey檢驗顯示二者之間存在交互作用。
當我研究 CO2 和灌溉的相互作用時，它們看起來類似於 CO2 和品種的相互作用，但其效果測試實際上是顯著的。
我不明白為什麼多重比較顯示有交互，但效果測試告訴我沒有。
分析回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同我不確定你在問我什麼？ 我認為馬克很好地解釋了測試中的差異。 我建議暫時擱置統計測試。 繪製數據。 評估數據變化的實際意義。 調查任何異常數據點的數據（這可以通過先驗預測結果來幫助）。 當它實際上是一個“特殊原因”數據點時，通常會分配更高階的影響。 分析應始終遵循以下順序：實用、圖形然後定量。
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同通常，如果我清楚地理解零假設是否被接受，則意味著均值之間沒有差異，因此無需進行事後檢驗或期望組間有任何差異，正如我們在第一個問題中看到的那樣。 我們如何解釋這一點？
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同8) ......所以Statman你說什麼？
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同不得不笑……把我的啤酒吐出來。 你是多麼正確。
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同首先，我解釋了整體方差分析和個體效應檢驗是基於分別添加一組術語或一個術語，而不是關於任何一對水平的陳述。 另一方面，Tukey 比較是關於水平的。 即使 Tukey 調整了比較次數，使得 I 型錯誤率是實驗性的而不是比較性的，它仍然（顯然）是 0.05，所以當你到目前為止像你的例子一樣進行足夠的測試時，你可能會得到誤報。
似乎您正在嘗試許多不同的比較。 你的實驗設計不足以支持這麼多的測試。 該設計假設您正在做出特定的推論。 在獲得陽性結果之前，請小心避免“採摘櫻桃”。
在任何一種情況下，如果您相信 Tukey 方法發現的比較，那麼您需要用新的、獨立的觀察來確認它們。
最後，在 statman 有機會問之前，無論統計意義如何，這些差異是否有意義或實際重要？
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同在進行 2-way ANOVA（不考慮灌溉效果）時，我發現上述的交互作用並不顯著，同樣是對交互項的火雞測試。 我無法理解為什麼我們在進行 3-way ANOVA（如上）時會有所不同。 在我需要考慮所有術語（主要因素）的這種情況下，我應該做什麼，或者更確切地說，我如何表示這種差異。 您可以在這裡提供指導嗎？
回复：解釋三向方差分析：交互作用的影響測試不顯著，但事後似乎顯著不同你會得到不同的答案，因為這些測試問的是兩個不同的問題。 效果檢驗是詢問該術語作為一個整體是否會在與其他術語一起添加時顯著改變模型。 它基於與添加項相關的平方和。 可能沒有足夠的證據（均方）來指示顯著項（F 比）。 另一方面，Tukey 檢驗詢問因子水平組合的最小二乘均值之間的差異。 因此，可能整個項的檢驗不顯著，但某些因子水平組合之間的差異顯著。 他們經常同意，但實際上並沒有要求他們應該這樣做。
