Comment interpréter Excel ANOVA

Étape 1

Vérifiez le tableau de données utilisé par Excel pour le test ANOVA. Les données résultant des tests de commutation répétés entre les deux facteurs sont présentées, ainsi qu’entre deux ou plusieurs niveaux de ces facteurs. Chaque ligne représente un facteur de test particulier et chaque colonne représente les tests à un certain niveau de facteur, avec toutes les combinaisons possibles représentées. Dans le cas de l'exemple du blé, il y aurait neuf essais différents, blé 1 / engrais 1, blé 1 / engrais 2, etc., avec au moins deux répétitions de chaque essai.

Étape 2

Vérifiez la feuille de calcul Excel contenant la sortie ANOVA et recherchez le tableau intitulé "ANOVA".

Étape 3

Recherchez les lignes intitulées "Sample", "Columns" et "Interaction" dans la colonne à gauche du tableau ANOVA. Suivez ces lignes à droite jusqu'à la colonne intitulée "F". Dans cette colonne figurent les valeurs F calculées associées aux tests d'origine. Il y aura une valeur de F pour chaque échantillon, colonne et interaction. F est un test statistique que Excel calcule en fonction de la variation existant dans les groupes de données, comme pour tous les essais utilisant le même facteur, par rapport aux groupes.

Étape 4

Continuez en suivant les mêmes lignes à droite jusqu'à la colonne intitulée "F crit". Dans cette colonne figurent les valeurs critiques de F pour Sample, Column et Interactions. Il s'agit d'une valeur standard recherchée par Excel dans une base de données interne. Il s'agit d'un test de réussite / non-passage basé sur plusieurs facteurs statistiques, notamment le nombre d'essais.

Étape 5

Comparez la valeur F de la ligne Sample pour la valeur critique F pour la même ligne. Si la valeur de F est supérieure à la valeur critique, cela signifie que les changements entre les facteurs des essais ont eu un effet statistiquement significatif sur les résultats de ces tests. Dans le cas de l'exemple du blé, cela signifierait que le type de blé utilisé a affecté le taux de croissance observé. Si la valeur de F était inférieure à la valeur critique, le facteur n'avait pas d'effet supérieur à la variation aléatoire attendue et n'était pas significatif.

Étape 6

Comparez la valeur F de la ligne de colonne avec la valeur F critique pour cette ligne. Cette fois, si la valeur F de cette ligne dépasse le F critique, cela signifie que la variation des niveaux de facteurs a eu un effet significatif. Dans l'exemple, cela signifierait que l'engrais particulier utilisé a eu une incidence sur le taux de croissance du blé qui peut être distingué de la possibilité d'une variation aléatoire.

Étape 7

Comparez la valeur F de la ligne Interactions avec la valeur de la ligne critique F. Si la valeur de F pour cette ligne dépasse le seuil critique, cela indique qu'il y a eu des interactions significatives entre les facteurs et leurs niveaux. Cela signifie que la quantité de variation obtenue lors du passage d'un élément à un autre dépendra de votre niveau. Par exemple, le blé 2 peut avoir le taux de croissance le plus élevé, mais uniquement lorsque l’engrais 3 est utilisé.