你这个方差分析的
原假设H0:μ180=μ200=μ220;
备择假设Ha:至少有一个不等(即μ180与μ200;μ180与μ220;μ200与μ220中至少有一个不等)
从分析中可以看出p值为0,应拒绝原假设,接受备择假设;
再结合置信区间图,可以95%确定μ180≠μ220和μ200≠μ220,表示220度与180度和200度有显著差异;
至于180度和200度之间是否存在显著性差异,由于他们的置信区间还有部分重叠,因此可再做一次单因子方差分析:
原假设H0:μ180=μ200;
备择假设Ha:μ180≠μ200;
看p值与α值之间的大小,来确定180度和200度之间是否存在显著性差异;
个人意见,仅供参考!
原假设H0:μ180=μ200=μ220;
备择假设Ha:至少有一个不等(即μ180与μ200;μ180与μ220;μ200与μ220中至少有一个不等)
从分析中可以看出p值为0,应拒绝原假设,接受备择假设;
再结合置信区间图,可以95%确定μ180≠μ220和μ200≠μ220,表示220度与180度和200度有显著差异;
至于180度和200度之间是否存在显著性差异,由于他们的置信区间还有部分重叠,因此可再做一次单因子方差分析:
原假设H0:μ180=μ200;
备择假设Ha:μ180≠μ200;
看p值与α值之间的大小,来确定180度和200度之间是否存在显著性差异;
个人意见,仅供参考!
g1085136897 • 2016-05-10 19:14
写的太专业了,初学者看不懂
小书童110 • 2016-05-11 09:23
谢谢您的回复, 方差分析在结论判定上有2中方式, 1,MINITAB 的P值,2,差t表找到拒绝区域,来判定。另,R-Sq与R-Sq(调整)怎么理解???
milknuts • 2016-05-11 10:07
R-Sq(调整)是扣除了回归方程中所受到的包含项数的影响的相关系数,可以更准确地反映模型的好坏,要判断两个模型的优劣可以从R-Sq(调整)和R-Sq的接近程度来判断,二者之差越小则说明模型越好。
小书童110 • 2016-07-19 12:41
谢谢!!!