콘텐츠
통계 학자이자 진화 생물학자인 로널드 피셔 (Ronald Fisher)는 ANOVA 또는 분산 분석을 개발하여 목적을 달성했습니다. 실험, 설문 조사 또는 연구 결과가 가설을 뒷받침 할 수 있는지 알아내는 데 도움이 될 수 있습니다. 분산 분석을 사용하면 가설이 참인지 거짓인지 신속하게 결정할 수 있습니다.
분산이란 무엇입니까?
표본에서 그룹 평균 간의 분산을 평가하는 데 사용되는 ANOVA는 통계 모델과 관련 추정 절차의 조합입니다. 기본적으로 알려진 두 데이터 그룹 간의 변형입니다. 여러 데이터 집합의 모집단 평균이 실제로 같은지에 대한 통계 테스트를 제공합니다. 그런 다음 통계 검사를 통해 t- 검정 또는 두 모집단의 분석을 두 개 이상의 그룹으로 일반화합니다. t- 검정은 모집단 평균과 가정 된 값 사이에 유의 한 차이가 있는지 보여줍니다. 표본 데이터의 변동에 대한 차이의 크기는 t- 값입니다.
일방 통행?
사용하는 분산 검정 분석에서 독립 변수의 수는 분산 분석이 하나인지 다른지를 결정합니다. 단방향 테스트에는 두 가지 수준의 단일 독립 변수가 있습니다. 분산 검정의 양방향 분석에는 두 개의 독립 변수가 있습니다. 양방향 테스트는 다양한 수준을 가질 수 있습니다. 단방향의 예는 두 브랜드의 젤리를 비교하는 것입니다. 양방향은 칼로리, 지방, 설탕 또는 탄수화물 수준뿐만 아니라 젤리 브랜드를 비교합니다.
레벨에는 모두 동일한 독립 변수에있는 다른 그룹이 포함됩니다. 복제는 여러 그룹으로 테스트를 반복 할 때입니다. 복제와의 분산에 대한 양방향 분석은 여러 작업을 수행하는 해당 그룹 내에있는 두 그룹과 개인을 사용합니다. 양방향 ANOVA 테스트는 복제 유무에 관계없이 완료 할 수 있습니다.
손으로 ANOVA를 수행하는 방법
ANOVA를 빠르고 쉽게 계산할 수있는 통계 소프트웨어를 사용할 수 있지만 ANOVA를 직접 계산하면 이점이 있습니다. 이를 통해 관련된 개별 단계와 각 단계가 여러 그룹 간의 차이점을 표시하는 데 어떻게 기여하는지 이해할 수 있습니다.
수집 한 데이터의 기본 요약 통계를 수집하십시오. 요약 통계에는 "x"로 레이블 된 첫 번째 그룹의 개별 데이터 포인트와 "y"라는 두 번째 개별 변형의 데이터 포인트 수가 포함됩니다. 각 그룹의 데이터 포인트 수는 "n"입니다.
"SX"라고 표시된 첫 번째 그룹의 포인트를 추가하십시오. 수집 된 두 번째 데이터 그룹은 "SY"입니다.
평균을 계산하려면 C = (SX + SY) ^ 2 / (2n) 공식을 사용하십시오.
SSB = – C 그룹 사이의 제곱의 합을 계산하십시오.
모든 데이터 포인트를 제곱 한 후에는 "D"의 최종 합계로 요약합니다.
다음으로, 제곱 합계의 합, SST = D-C를 계산하십시오.
공식 SST – SSB를 사용하여 SSW 또는 그룹 내 제곱의 합을 찾으십시오.
"dfb"그룹과 "dfw"그룹 사이의 자유도를 계산하십시오.
그룹 간 수식은 dfb = 1이고 그룹 내 수식은 dfw = 2n-2입니다.
그룹 내 평균 제곱을 계산합니다 (MSW = SSW / dfw).
마지막으로 최종 통계량 또는 "F"를 계산합니다. F = MSB / MSW