Графики <Graphs> представляют данные в виде точечных и блочных диаграмм для каждой группы с отмеченным средним значением

2.         Графики <Graphs> представляют данные в виде точечных и блочных диаграмм для каждой группы с отмеченным средним значением.

Пример 2

Пусть данные о проценте износа оборудования для 12 предприятий двух отраслей промышленности (пищевая - field1, машиностроение - field2) представлены в табл.5.

Таблица 5.

Исходные данные

Field1	Field2
31	59
49	56
37	47
47	51
57	53
53
43

В этом случае в диалоговом окне указываются следующие значения.

Responses [in separate columns]: field1 field2

Результатом дисперсионного анализа будет таблица представленная на рис.2.

One-Way Analysis of Variance

 

Analysis of Variance

Source DF SS MS F P

Factor 1 182.7 182.7 3.17 0.105

Error 10 576.2 57.6

Total 11 758.9

Individual 95% CIs For Mean

Based on Pooled StDev

Level N Mean StDev ------+---------+---------+---------+

field1 7 45.286 9.050 (---------*----------)

field2 5 53.200 4.604 (------------*-----------)

------+---------+---------+---------+

Pooled StDev = 7.591 42.0 48.0 54.0 60.0

Рис.2 Листинг результатов вычислений

Из полученных результатов видно, что P> (=0.05), значит принимается нулевая гипотеза и мы можем сделать вывод о том, что влияние фактора отрасли на уровень износа оборудования незначимо.

Если в опции <Graphs> указать Dotplots of data:Ö, то будет построен следующий график (чертой отмечено среднее значение для группы).

Рис.3 Представление экспериментальных данных

  3.2.2. Двухфакторный дисперсионный анализ

Для проведения двухфакторного дисперсионного анализа необходимо подготовить данные, выбрать из меню Stat > ANOVA > Balanced ANOVA и заполнить открывшееся диалоговое окно.

Эта функция позволяет проводить, как одномерный, так и многомерный анализ дисперсии. Факторы могут быть связаны как перекрестно, так и иерархически, они могут быть детерминированными и случайными, однако данные должны быть сбалансированы. Это значит, что для каждого уровня A должны быть одинаковые уровни фактора B, и в том же количестве.

Диалоговое окно.

1.         Отклики (Responses) – выберите столбцы, содержащие выходные (зависимые) переменные. Система позволяет анализировать до 50 выходных переменных.

2.         Модель (Model) – укажите переменные или их комбинацию, которые включаются в модель.

3.         Случайные факторы (Random Factors) – укажите столбец, содержащий случайную переменную.

Пример 3

Пусть данные о проценте износа оборудования для 12 предприятий разных отраслей промышленности и форм собственности представлены в табл.1. Определим, как влияют отрасль промышленности, форма собственности и их взаимодействие на процент износа оборудование. Для этого выберем из меню Stat > ANOVA > Balanced ANOVA и заполним диалоговое окно следующим образом

Responses: d

Model: field owner field*owner

 

Результаты дисперсионного анализа представлены на рис.4.

Analysis of Variance (Balanced Designs)

 

Factor Type Levels Values

field fixed 2 Пищевая Машиностр

owner fixed 2 частн госуд

Analysis of Variance for d

Source DF SS MS F P

field 1 102.08 102.08 2.14 0.182

owner 1 184.08 184.08 3.86 0.085

field*owner 1 90.75 90.75 1.90 0.205

Error 8 382.00 47.75

Total 11 758.92

Рис.4 Листинг результатов вычислений для двухфакторной модели

Проанализируем полученные результатs/

Для фактора отрасли P> (=0.05), значит принимается нулевая гипотеза о том, что фактор отрасли не влияет на уровень износа оборудования.

Для фактора формы собственности P> (=0.05), значит принимается нулевая гипотеза о том, что фактор формы собственности не влияет на уровень износа оборудования. Аналогичным образом делаем вывод о том, что на уровень износа оборудование не влияет взаимодействие факторов.

Для анализа многофакторных моделей по несбалансированным данным необходимо выбрать из меню Stat > ANOVA > General Linear Model.