加载示例数据。
爆米花=6×35.5000 4.5000 3.5000 5.5000 4.5000 4.0000 6.0000 4.0000 3.0000 6.5000 5.0000 4.0000 7.0000 5.5000 5.0000 7.0000 5.0000 4.5000
爆米花的数据来自一项研究品牌和波普尔类型(何克1987)。矩阵的列爆米花
品牌(美食、国家和通用)。行波普尔类型油和空气。在这项研究中,研究人员出现一批每个品牌每个波普尔的三倍。收益率的值是杯爆米花。
执行一个双向方差分析。还计算统计数据,您需要执行一个多重比较测试的主要影响。
统计=结构体字段:来源:‘anova2 sigmasq: 0.1389 colmeans: [6.2500 - 4.7500 4] coln: 6 rowmeans:[4.5000 - 5.5000]地区:9国米:1 pval: 0.7462 df: 12
的统计数据
结构包括
执行多重比较测试,看看爆米花的爆米花收益率之间对不同品牌(列)。
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
c =3×61.0000 2.0000 0.9260 1.5000 2.0740 0.0000 1.0000 3.0000 1.6760 2.2500 2.8240 0.0000 2.0000 3.0000 0.1760 0.7500 1.3240 0.0116
的前两列c
显示组比较。第四列显示了估计组意味着之间的区别。第三和第五列显示95%置信区间的上下极限的真正意思不同。第六列是p价值的假设检验相应的平均差等于零。所有p值(0,0,0.0116)非常小,这表明爆米花收益率在所有三个不同的品牌。
图中显示的多重比较的意思。默认情况下,组1的意思是比较间隔在蓝色突出显示。因为其他两组的比较间隔不相交的间隔组1的意思是,他们是用红色突出显示。缺乏交叉表明意思都不同组1的意思。选择其他组意味着确认所有组意味着明显不同。
执行多重比较检验的爆米花屈服两种波普尔(行)之间的不同。
注意:您的模型包括一个交互项。测试主要影响很难解释当模型包括交互。
c =1×61.0000 2.0000 -1.3828 -1.0000 -0.6172 0.0001
小p价值0.0001表明,爆米花收益率两波普尔之间的不同类型(空气和油)。该图显示了相同的结果。间隔不相交的比较表明,该集团意味着明显不同。