Cómo leer la salida ANOVA de dos factores

Escrito por emily ediger | Traducido por mary gomez
  • Comparte
  • Twittea
  • Comparte
  • Pin
  • E-mail
Cómo leer la salida ANOVA de dos factores
Las pruebas ANOVA de dos vías se organizan por categorías verticales y horizontales en una tabla. (Polka Dot RF/Polka Dot/Getty Images)

Las pruebas ANOVA de dos factores es un método estadístico para calcular los efectos de dos factores diferentes en múltiples poblaciones. Permiten poner a prueba una hipótesis alternativa contra una hipótesis de nulidad sobre la base de muestras en varios grupos. Estas pruebas son ecuaciones estadísticas complejas y por lo general se calculan con un programa de software. Independiente del software que utilice, la misma información se mostrará en la ventana de salida. Interpreta las pruebas ANOVA de dos factores comprendiendo el significado de cada componente.

Nivel de dificultad:
Moderado

Otras personas están leyendo

Instrucciones

  1. 1

    Lee tus categorías de arriba a abajo incluyendo "tratamiento uno", "tratamiento dos", "interacción", "dentro" y "total". Los dos tratamientos representan los datos en bruto y la categoría "interacción" representa el efecto de los tratamientos combinados. La categoría "dentro" muestra la variación dentro de tus categorías y la "total" proporciona información relativa a todas tus categorías.

  2. 2

    Lee la columna titulada "DF" como los grados de libertad para cada categoría. Los grados de libertad para cada tratamiento es la suma del tamaño de la muestra menos uno. Estos grados de libertad representan el número de muestras que pueden variar dentro de un tamaño total de muestra.

  3. 3

    Interpreta la columna etiquetada "SS" como la suma de los cuadrados. La suma de cuadrados se calcula elevando al cuadrado las desviaciones de cada categoría y sumándolas todas. Esta suma de cuadrados representa la cantidad de los datos que varían en las muestras.

  4. 4

    Lee la columna etiquetada "MS" como cuadrado medio, el cual es el producto de la suma de cuadrados dividido entre los grados de libertad. El valor medio cuadrado representa la cantidad que varía una categoría entre su suma de cuadrados y los grados de libertad. Un valor medio cuadrado significativo es el error cuadrado medio, el cual muestra la variante dentro de los grupos de sus grupos.

  5. 5

    Interpreta la columna "F" como la estadística F ANOVA. La estadística F muestra la distribución de los valores respecto a tus datos y la hipótesis nula. Un valor F grande por lo general se presta para rechazar la hipótesis nula y un valor F pequeño normalmente conduce a no rechazar la hipótesis nula.

  6. 6

    Lee la columna "valor P" para rechazar o no rechazar de manera definitiva la hipótesis nula. Aunque la estadística F es útil para determinar cuál curso de acción tomar, el valor P ofrece la probabilidad real del valor medio de población dado en tus muestras. Por ejemplo, si utilizas una prueba de 5 por ciento y el valor P es menor del 5 por ciento, puedes rechazar la hipótesis nula.

No dejes de ver

Filtrar por:
  • Mostrar todos
  • Artículos
  • Galerías de fotos
  • Videos
Ordenar:
  • Más relevante
  • Más popular
  • Más reciente

No se encuentran artículos disponibles

No se encuentran slideshows disponibles

No se encuentran videos disponibles