à deux facteurs des tests d'analyse de variance est une méthode statistique pour calculer les effets de deux facteurs différents sur plusieurs populations . Ils vous permettent de tester une hypothèse alternative contre une hypothèse nulle à partir d'échantillons dans plusieurs groupes . Des tests d'analyse de variance à deux facteurs sont des équations statistiques complexes et sont généralement calculées avec un logiciel . Quel que soit le logiciel que vous utilisez , la même information est affichée dans la fenêtre de sortie . Interpréter les tests de variance à deux facteurs par comprendre le sens de chaque composant. Instructions
1

lire vos catégories de haut en bas , y compris " traitement un», « deux traitements », « interaction », « à l'intérieur » et «total» . les deux traitements représentent vos données brutes et la catégorie « interaction » représente l'effet de ces traitements en combinaison. La «dans» catégorie affiche la variation au sein de vos catégories et le "total" fournit des informations concernant l'ensemble de vos catégories.
2

Lire la colonne intitulée « DF », comme les degrés de liberté pour chaque catégorie. Les degrés de liberté pour chaque traitement est la somme de la taille de l'échantillon moins un. Degrés de liberté représentent le nombre d'échantillons qui peuvent varier au sein d'une taille totale de l'échantillon .
3

interpréter la colonne intitulée "SS" comme la somme des carrés . La somme des carrés est calculé en élevant au carré les écarts de chaque catégorie et les additionner . Somme des carrés représente combien les données varie dans les échantillons.
4

Lire la colonne intitulée "MS" comme quadratique moyenne , qui est le produit de la somme des carrés divisée par les degrés de liberté . La valeur quadratique moyenne représente combien une catégorie varie entre sa somme des carrés et des degrés de liberté. Une importante valeur quadratique moyenne est l'erreur quadratique moyenne , qui vous montre la variance au sein de vos groupes .
5

interpréter la colonne " F " comme la variance statistique F . La statistique F affiche la distribution des valeurs concernant vos données et l'hypothèse nulle. Une valeur de F grande prête généralement à rejeter l'hypothèse nulle et un petit F- valeur conduit généralement à ne pas rejeter l'hypothèse nulle.
6

Lire la colonne " P -value" pour rejeter définitivement ou de ne pas rejeter votre hypothèse nulle. Bien que la statistique F est utile pour déterminer la ligne de conduite à prendre, la valeur de P fournit la probabilité réelle de la valeur moyenne de la population compte tenu de vos échantillons. Par exemple , si vous utilisez un test de 5 pour cent et votre P- valeur est inférieure à 5 pour cent , vous pouvez rejeter votre hypothèse nulle.