Рассмотрим пример однофакторного дисперсионного анализа.

Наш пример основывается на данных, которые были собраны путем социологического опроса в рекламном исследовании, где женщины и мужчины оценивали качество реклам. Пол респондента кодировался с помощью переменной 1 (Пол - Gender: 1=мужчина - male, 2=женщина - female). Каждому респонденту случайным образом предлагался на рассмотрение один из двух рекламных роликов (Предпочтение - Advert: 1=Cokeв, 2=Pepsiв). Затем они оценивали привлекательность соответствующего продукта по 23 различным шкалам (с Мера1 - Measure1 до Мера23 - Measure23). В каждой из этих шкал респонденты могли дать ответы между 0 и 9.

Переменные Measure1 - Measure23 являются зависимыми переменными, а переменные Пол - Gender (Мужчина - Male и Женщина - Female) и Предпочтение - Advert (тип предпочтения - какой ролик предпочли: Coke или Pepsi) являются группирующими переменными.

Рисунок 1. Таблица исходных данных.

В показанной ниже таблице приведены описательные статистики для переменных, разбитых на группы.

Рисунок 2. Описательные статистики.

Рассматривая средние внутри каждой группы, вы можете заметить, что имеется слабое различие в средних переменной Measure1 между группами Мужчины - Males и Женщины - Females. Для проверки значимости этих различий в средних применим однофакторный дисперсионный анализ. Результаты однофакторного дисперсионного анализа для различных зависимых переменных приведены ниже.

Рисунок 3. Результаты дисперсионного анализа.

Вы видите, что для переменных Measure5 и Measure7 процедура однофакторного дисперсионного анализа дала статистически значимые результаты на уровне p < .05. Эти результаты показывают, что различие в средних значимо.

(c) Copyright StatSoft, Inc., 1984-2003
STATISTICA является торговой маркой StatSoft, Inc.