A deux analyse de variance (Anova ) utilise deux facteurs ou variables indépendantes dans l'analyse. Le but est de voir si la moyenne de plusieurs ensembles de données sont différents les uns des autres , mais ceux-ci sont regroupés en deux façons au lieu d'un . Cela peut être source de confusion pour les étudiants, mais un moyen plus facile d'interpréter les résultats est de tracer les moyens de chaque facteur sur un diagramme de dispersion . D'autres programmes d'analyse SPSS et offrent ce type de terrain en tant que sortie , les points de données qui sont déjà connectés par des lignes droites . Instructions
1
Notez que chaque ligne du terrain représente. Habituellement, c'est la principale variable de regroupement dans l'analyse, par exemple , deux groupes distincts de personnes, et seront identifiés par une légende à côté de la parcelle.
2
Notez que les points sur la x - axe du graphique représentent . Ce sera une autre variable de regroupement , par exemple , il pourrait être deux moments différents . Chaque point de l'axe des x est appelé un " niveau" de ce facteur .
3
Notez que l'axe des ordonnées représente. Il s'agit de la variable dépendante ou variable des résultats de votre analyse. L'objectif de l' analyse de la variance est de voir si les groupes diffèrent sur cette variable.
4
regard sur les différences verticales entre les groupes à chacun des points sur l'axe des x . Y at-il des différences entre les groupes ? Si certaines lignes sont éloignés des autres, cela peut indiquer une différence entre les groupes sur ce niveau.
5
Regardez chaque ligne individuellement et voir s'il ya des changements allant de gauche à droit . Ne les scores augmentent ou diminuent à différents niveaux du facteur sur l'axe des x ? Si votre axe des abscisses représente le temps, par exemple , cela indiquerait un changement au fil du temps . Si elle représente le dosage d'un médicament , cela représenterait des effets différents à différents dosages .
6
Consultez les lignes et voir si elles sont parallèles ou non. Si les lignes ne sont pas parallèles , ce qui signifie que vous avez une "interaction" dans vos résultats. Un moyen d' interaction que les scores sur la variable dépendante sont différentes en fonction du niveau des variables indépendantes que vous regardez .
