A due vie di analisi della varianza ( ANOVA ) utilizza due fattori, o variabili indipendenti nell'analisi. L' obiettivo è quello di verificare se la media di diversi insiemi di dati sono diversi tra loro , ma queste sono raggruppate in due modi invece di uno. Ciò può essere fonte di confusione per gli studenti , ma un modo più semplice per interpretare i risultati è quello di tracciare i mezzi di ogni fattore su un grafico a dispersione . SPSS e altri programmi di analisi offrono questo tipo di trama come uscita, con i punti di dati già collegati con linee rette . Istruzioni
1

Nota quello che ogni riga nella trama rappresenta. Di solito questa è la principale variabile di raggruppamento per l'analisi , ad esempio , due gruppi distinti di persone, e saranno identificati da una leggenda accanto alla trama .
2

Nota quello che i punti sulla x - asse del grafico rappresenta . Questa sarà un'altra variabile di raggruppamento , per esempio , potrebbe essere due punti di tempo diversi . Ogni punto l'asse x si chiama un "livello " di quel fattore .
3

Nota quello che l'asse y rappresenta. Questa è la variabile dipendente , o variabile esito della vostra analisi . Lo scopo del ANOVA è vedere se i gruppi differiscono su questa variabile .
4

sguardo alle differenze verticali tra i gruppi a ciascuno dei punti sulla asse x . Ci sono delle differenze tra i gruppi ? Se alcune delle linee sono molto distanti dagli altri , questo può indicare una differenza tra i gruppi di questo livello .
5

Guardate ogni linea singolarmente e vedere se ci sono eventuali modifiche vanno da sinistra a destra . Fare i punteggi aumentano o diminuiscono a diversi livelli del fattore sulla asse x ? Se il vostro asse x rappresenta il tempo, per esempio, questo potrebbe indicare un cambiamento nel corso del tempo . Se rappresenta il dosaggio di un farmaco , questo rappresenterebbe effetti diversi a diversi dosaggi .
6

Controllare le righe e vedere se sono parallele o no. Se le linee non sono parallele , questo significa che hai un "interazione" nei risultati. Una interazione significa che i punteggi sulla variabile dipendente sono diversi a seconda che i livelli delle variabili indipendenti si sta guardando .