Minitab är en statistisk analys paket för Windows som har varit i produktion sedan 1972 . Den använder ett kalkylblad -liknande gränssnitt och kan köra ett brett spektrum av univariata och multivariata analyser , däribland en - vägs variansanalys (ANOVA ) . ANOVA är en statistisk procedur som används för att jämföra hjälp av tre eller flera grupper av uppgifter , och i Minitab , kan denna analys köras via det grafiska användargränssnittet . Syfte
En ANOVA används för att bestämma om medel för tre grupper av numeriska data är statistiskt skilt från varandra . Detta görs genom nollhypotesen signifikans testning , jämföra hypotesen att medlen är olika för nollhypotesen att de inte är . Resultatet är en " p "-värdet , sannolikheten att dessa resultat skulle ha erhållits , förutsatt att noll- hypotesen är korrekt . Om detta värde är lägre än en viss nivå , vanligen 0,05 , är skillnaden vara statistiskt signifikant . Även allmänhet ganska robust , är ANOVA inte ett perfekt test och
Begränsningar
kan återvända felaktiga resultat i vissa fall. ANOVA förutsätter också att grupperna i analysen är normalfördelade , oberoende av varandra , och att standardavvikelserna för grupperna är lika . Dessutom , som en fristående test kan ANOVA inte avgöra vilken av dina grupper skiljer sig från varandra , och ytterligare tester , t.ex. Tukey Honest signifikant skillnad testet , behövs för att lära sig detta .
Procedure
Välj " Arbetsblad " fönstret , klicka sedan på " Stat " , " ANOVA " och " General Linear Model . " Klicka i " Svar " rutan och dubbelklicka sedan på din beroende variabel från listan till vänster . Klicka inuti " Model " rutan , dubbelklicka sedan på varje faktor i ditt oberoende variabeln i sin tur - med andra ord , bör var och en av nivåerna av din grupp variabla gå i den här rutan . Klicka på " OK " längst ner till höger i fönstret för att köra ANOVA . Resultaten kan ta några sekunder att visas .
Output
Växla till " Session " fönstret . Bläddra nedåt tills du kommer till bordet med titeln " Analys av varians för [ din beroende variabel ] . " Sök din oberoende variabeln i den första kolumnen . Titta längs den raden tills du hittar " F " och " P " kolumnerna . " F " ger dig F Ratio , och P används för att avgöra om resultaten är statistiskt signifikant - inom de flesta områden , skulle du leta efter ett " P " värde lägre än 0,05
< . br >
