ผลกระทบคงที่ ANOVA (หรือการถดถอยเชิงเส้นเทียบเท่า) ให้วิธีการที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลเหล่านี้ เพื่อแสดงให้เห็นว่านี่คือชุดข้อมูลที่สอดคล้องกับพล็อตของค่าเฉลี่ย HC ต่อเย็น (หนึ่งพล็อตต่อสี):
| Color
Day | B G R | Total
-------+---------------------------------+----------
1 | 117 176 91 | 384
2 | 208 193 156 | 557
3 | 287 218 257 | 762
4 | 256 267 271 | 794
5 | 169 143 163 | 475
6 | 166 163 163 | 492
7 | 237 214 279 | 730
8 | 588 455 457 | 1,500
9 | 443 428 397 | 1,268
10 | 464 408 441 | 1,313
11 | 470 473 464 | 1,407
12 | 171 185 196 | 552
-------+---------------------------------+----------
Total | 3,576 3,323 3,335 | 10,234
ANOVA ของcount
ต่อต้านday
และcolor
สร้างตารางนี้:
Number of obs = 36 R-squared = 0.9656
Root MSE = 31.301 Adj R-squared = 0.9454
Source | Partial SS df MS F Prob > F
-----------+----------------------------------------------------
Model | 605936.611 13 46610.5085 47.57 0.0000
|
day | 602541.222 11 54776.4747 55.91 0.0000
colorcode | 3395.38889 2 1697.69444 1.73 0.2001
|
Residual | 21554.6111 22 979.755051
-----------+----------------------------------------------------
Total | 627491.222 35 17928.3206
ค่าmodel
p-0.0000 แสดงให้เห็นว่ามีความสำคัญอย่างยิ่ง ค่าday
p ของ 0.0000 ก็มีความสำคัญสูงเช่นกัน: คุณสามารถตรวจจับการเปลี่ยนแปลงแบบวันต่อวัน อย่างไรก็ตามcolor
ค่า p (ภาคการศึกษา) ที่ 0.2001 ไม่ควรได้รับการพิจารณาอย่างมีนัยสำคัญ: คุณไม่สามารถตรวจพบความแตกต่างอย่างเป็นระบบในสามภาคเรียนแม้ว่าจะควบคุมการเปลี่ยนแปลงในแต่ละวัน
การทดสอบ HSD ของ Tukey ("ความแตกต่างอย่างมีนัยสำคัญทางความซื่อสัตย์") ระบุการเปลี่ยนแปลงที่สำคัญ (ดังต่อไปนี้) ในรูปแบบรายวัน (ไม่คำนึงถึงภาคการศึกษา) ที่ระดับ 0.05:
1 increases to 2, 3
3 and 4 decrease to 5
5, 6, and 7 increase to 8,9,10,11
8, 9, 10, and 11 decrease to 12.
เป็นการยืนยันสิ่งที่ตาสามารถมองเห็นได้ในกราฟ
เนื่องจากกราฟกระโดดไปรอบ ๆ เล็กน้อยจึงไม่มีวิธีตรวจสอบความสัมพันธ์แบบวันต่อวัน (ความสัมพันธ์แบบอนุกรม) ซึ่งเป็นการวิเคราะห์อนุกรมเวลาทั้งหมด กล่าวอีกนัยหนึ่งไม่ต้องกังวลกับเทคนิคอนุกรมเวลา: มีข้อมูลไม่เพียงพอที่พวกเขาจะให้ข้อมูลเชิงลึกมากขึ้น
เราควรสงสัยว่าจะเชื่อผลการวิเคราะห์ทางสถิติได้อย่างไร การวินิจฉัยที่หลากหลายสำหรับความแตกต่างที่มีความสำคัญ (เช่นการทดสอบ Breusch-Pagan ) ไม่แสดงอะไรที่ไม่ดี ส่วนที่เหลือดูไม่ปกติมากนัก - พวกมันจับกันเป็นกลุ่มบางกลุ่มดังนั้นค่า p ทั้งหมดต้องถูกนำไปด้วยเม็ดเกลือ อย่างไรก็ตามพวกเขาดูเหมือนจะให้คำแนะนำที่สมเหตุสมผลและช่วยให้ปริมาณความรู้สึกของข้อมูลที่เราได้รับจากการดูกราฟ
คุณสามารถทำการวิเคราะห์แบบขนานบน minima รายวันหรือ maxima รายวัน ตรวจสอบให้แน่ใจว่าเริ่มต้นด้วยพล็อตที่คล้ายกันเป็นแนวทางและตรวจสอบผลลัพธ์ทางสถิติ