ฉันต้องการเรียนรู้ ANOVA ก่อนที่ฉันจะเริ่มเรียนรู้วิธีการทำงานของอัลกอริธึม (การคำนวณแบบใดที่ต้องทำ) และสาเหตุที่ได้ผลฉันต้องรู้ก่อนว่าเราแก้ปัญหาอะไรกับ ANOVA หรือเราพยายามตอบคำถามใด กล่าวอีกนัยหนึ่ง: อินพุตคืออะไรและเอาต์พุตของอัลกอริทึมคืออะไร
ฉันเข้าใจสิ่งที่เราใช้เป็นอินพุต เรามีชุดของตัวเลข แต่ละหมายเลขมาพร้อมกับค่าของตัวแปรเด็ดขาดอย่างน้อยหนึ่งตัวแปร (หรือเรียกอีกอย่างว่า "ปัจจัย") ตัวอย่างเช่น:
+------------+------------+-------+
| factor 1 | factor 2 | value |
+------------+------------+-------+
| "A" | "a" | 1.0 |
| "A" | "a" | 2.4 |
| "A" | "b" | 0.3 |
| "A" | "b" | 7.4 |
| "B" | "a" | 1.2 |
| "B" | "a" | 8.4 |
| "B" | "b" | 0.4 |
| "B" | "b" | 7.2 |
+------------+------------+-------+
มันถูกต้องหรือไม่ที่จะบอกว่า ANOVA คำนวณค่า p-value ของสมมติฐานว่างที่ระบุว่าไม่มีผลกระทบของปัจจัยที่มีต่อค่าเฉลี่ยของค่าหรือไม่ กล่าวอีกนัยหนึ่งเราให้ข้อมูลที่ระบุข้างต้นกับอัลกอริทึมและด้วยเหตุนี้เราจึงได้ค่า p-value ของสมมติฐานว่าง?
หากเป็นกรณีนี้เราใช้การวัดจริงเพื่อคำนวณค่า p ตัวอย่างเช่นเราสามารถพูดได้ว่าเนื่องจากสมมติฐานว่าง M สามารถสูงได้เท่าที่สังเกต (หรือสูงกว่า) โดยบังเอิญใน 1% ของกรณี เอ็มคืออะไร
เราไม่ได้ตรวจสอบปัจจัยต่างๆใน ANOVA แยกกันด้วยใช่ไหม ANOVA สามารถพูดได้ว่า factor_1 มีผล แต่ factor_2 ไม่ได้หรือไม่ ANOVA สามารถพูดได้หรือไม่ว่าสำหรับค่าปัจจัยที่กำหนดซึ่งสอดคล้องกับค่า "A", "B" และ "C" นั้นไม่สามารถแยกสถิติได้ (มีค่าเฉลี่ยเดียวกันตัวอย่าง) แต่ค่า "D" มีผลหรือไม่?