ANOVA Rechner

F-Statistik

Fügen Sie zwei oder mehr Gruppen von Zahlen ein, und der Rechner führt eine einweg ANOVA durch, um zu testen, ob die Gruppenmittelwerte signifikant unterschiedlich sind. Er gibt die F-Statistik, Freiheitsgrade, p-Wert und Eta-Quadrat Effektgröße zurück — die Standardausgaben, die in jeder Statistikarbeit oder Laborbericht zitiert werden.

So führen Sie eine einweg ANOVA durch

  1. 1

    Geben Sie Gruppendaten ein

    Fügen Sie jede Gruppe als durch Kommas oder Zeilenumbrüche getrennte Liste ein. Mindestens zwei Gruppen; mindestens 3-5 Beobachtungen pro Gruppe werden empfohlen.

  2. 2

    Überprüfen Sie die Annahmen

    Die einweg ANOVA setzt normalverteilte Residuen und ungefähr gleiche Varianz zwischen den Gruppen voraus. Kennzeichnen Sie, wenn Ihre Gruppen stark unterschiedliche Streuungen haben.

  3. 3

    Lesen Sie die F-Statistik

    F ist das Verhältnis der zwischen den Gruppen liegenden Varianz zur innerhalb der Gruppen liegenden Varianz. Größeres F bedeutet stärkere Hinweise auf Gruppenunterschiede.

  4. 4

    Interpretieren Sie den p-Wert

    Liegt unter Ihrem gewählten Alpha (normalerweise 0,05), lehnen Sie die Nullhypothese ab, dass alle Gruppenmittelwerte gleich sind. ANOVA sagt Ihnen nicht, welche Gruppen sich unterscheiden — verwenden Sie dafür einen Post-hoc-Test.

Die ANOVA-Tabelle

Quelle SS (Summe der Quadrate) df MS (Mittelwertsquar) F
Zwischen Gruppen SSB k - 1 MSB = SSB/(k-1) MSB/MSW
Innerhalb Gruppen SSW N - k MSW = SSW/(N-k)
Gesamt SST = SSB + SSW N - 1

Wo k = Anzahl der Gruppen, N = Gesamtbeobachtungen.

Kritische Werte der F-Verteilung (alpha = 0,05)

df1 \ df2 10 20 30 60 120
2 4.10 3.49 3.32 3.15 3.07
3 3.71 3.10 2.92 2.76 2.68
4 3.48 2.87 2.69 2.53 2.45
5 3.33 2.71 2.53 2.37 2.29

Wenn Ihr berechnetes F den Tabellenwert für Ihre df1 (= k-1) und df2 (= N-k) überschreitet, lehnen Sie die Null bei p < 0,05 ab.

Annahmen zur Überprüfung vor der Zitierung von ANOVA

  1. Unabhängigkeit der Beobachtungen innerhalb und zwischen den Gruppen.
  2. Normalverteilung der Residuen (Shapiro-Wilk-Test oder visuell: Q-Q-Diagramm).
  3. Homogenität der Varianz (Levene’s Test oder Faustregel: größte SD ist kleiner als 2× kleinste SD).

Wenn die Normalverteilung fehlschlägt: Der Kruskal-Wallis-Test ist die nichtparametrische Alternative. Wenn die Homoskedastizität fehlschlägt: Welch’s ANOVA behandelt ungleiche Varianzen.

Nach einer signifikanten ANOVA: Post-hoc-Tests

Die einweg ANOVA sagt Ihnen, dass einige Gruppen sich unterscheiden, aber nicht welche. Folgen Sie mit:

  • Tukey HSD — konservativ, kontrolliert die Fehlerquote für Familien.
  • Bonferroni — einfache Anpassung: α / Anzahl der Vergleiche.
  • Scheffé — flexibel, aber geringe Power; gut für explorative Analysen.
  • Dunnett — vergleicht nur jede Behandlung mit einer Kontrollgruppe.

Effektgröße

Ein signifikanter p-Wert sagt “es gibt einen Unterschied.” Die Effektgröße sagt “wie groß.” Berichten Sie Eta-Quadrat (η²) = SSB / SST. Grobe Richtlinie: 0,01 klein, 0,06 mittel, 0,14 groß.

Häufig gestellte Fragen

Wenn Sie drei oder mehr Gruppen haben. Mehrere t-Tests erhöhen die Fehlerquote für Familien (α von 0,05 über drei paarweise Tests wird ungefähr 0,14). ANOVA hält das gesamte Alpha bei 0,05.

Einweg hat einen einzigen Gruppierungsfaktor (z.B. Behandlungsart). Zweiweg hat zwei Faktoren (z.B. Behandlung × Geschlecht) und kann Haupteffekte sowie Interaktionen testen. Dieser Rechner behandelt den einweg Fall.

Statistisch gesehen, nein — sie sind fast identisch. Der 0,05 Schwellenwert ist eine Konvention, kein physikalischer konstant. Berichten Sie den genauen p-Wert und die Effektgröße, damit die Leser urteilen können, anstatt 0,05 als scharfe Grenze zu behandeln.

Kleine Stichproben erzeugen instabile F-Werte. Ein riesiges F bei n=3 pro Gruppe ist vielversprechend, sollte aber repliziert werden. Berichten Sie Konfidenzintervalle um die Gruppenmittelwerte zusammen mit dem F.

Verwandte Tools