Калькулятор двухфакторного ANOVA

Оцените два главных эффекта и их взаимодействие в сбалансированном факторном плане 2 x 2.

Двухфакторный ANOVA с повторностями
Введите равное число повторных наблюдений для каждой комбинации двух факторов с двумя уровнями.

О двухфакторном дисперсионном анализе

Двухфакторный дисперсионный анализ исследует одну непрерывную зависимую переменную при разных сочетаниях двух категориальных факторов. План 2 x 2 содержит два уровня фактора A, два уровня фактора B и четыре ячейки, представляющие все возможные сочетания. В отличие от отдельных однофакторных проверок, факторная модель оценивает оба главных эффекта и взаимодействие в рамках одного анализа. Этот калькулятор предназначен для сбалансированных планов с повторностями: в каждой ячейке должно быть одинаковое число независимых наблюдений, не менее двух. Главный эффект фактора A сравнивает средний результат между A1 и A2 после усреднения по обоим уровням фактора B. Аналогично главный эффект фактора B сравнивает B1 и B2 после усреднения по фактору A. Взаимодействие проверяет, меняется ли эффект одного фактора в зависимости от уровня другого. Оно может быть важным, даже если оба главных эффекта невелики. Например, два вида воздействия могут давать противоположные эффекты в двух возрастных группах: общие средние для воздействий будут равны, но перекрёстное взаимодействие окажется сильным. Калькулятор разбивает вариацию на фактор A, фактор B, взаимодействие A с B и остаточную ошибку. В плане 2 x 2 каждая сумма квадратов эффекта имеет одну степень свободы. Остаточная вариация вычисляется по разностям между наблюдениями и средними их ячеек. Деление среднего квадрата каждого эффекта на средний квадрат ошибки даёт его F-статистику. Чем больше F, тем больше эффект по отношению к необъяснённой вариации. Для получения формальных p-значений каждую статистику нужно оценить по F-распределению с одной степенью свободы числителя и указанным числом степеней свободы ошибки в знаменателе. Интерпретация опирается на стандартные предпосылки ANOVA: независимость наблюдений, приблизительно нормальное распределение остатков в каждой ячейке и близкие дисперсии между ячейками. Сбалансированные выборки повышают устойчивость анализа и сохраняют ортогональность эффектов, но не исправляют плохую рандомизацию, выбросы или зависимые измерения. Если взаимодействие содержательно важно, сначала интерпретируйте простые эффекты или сравнения ячеек, а затем главные эффекты: усреднение может скрывать закономерность. Вместе с F-статистиками, степенями свободы, p-значениями и размерами эффектов приводите средние ячеек и показатели разброса. Инструмент предназначен для прозрачных расчётов, учебных примеров и быстрой проверки сбалансированных планов с повторностями.

Примеры двухфакторного ANOVA

Четыре ячейки: A1B1 | A1B2 | A2B1 | A2B2F-статистикиИнтерпретация
1,2,3 | 3,4,5 | 5,6,7 | 7,8,9A = 48; B = 12; A x B = 0Аддитивные главные эффекты
1,2,3 | 7,8,9 | 7,8,9 | 1,2,3A = 0; B = 0; A x B = 108Чистое перекрёстное взаимодействие
4,5,6 | 4,5,6 | 4,5,6 | 4,5,6A = 0; B = 0; A x B = 0Нет систематических факторных эффектов

Как рассчитать двухфакторный ANOVA

  1. Распределите независимые наблюдения по четырём сочетаниям факторов A и B.
  2. Убедитесь, что во всех ячейках одинаковое число числовых наблюдений.
  3. Введите значения каждой ячейки через запятые или пробелы.
  4. Нажмите «Рассчитать двухфакторный ANOVA» и сравните F-статистики двух главных эффектов и взаимодействия.

Частые вопросы

Что такое эффект взаимодействия?

Взаимодействие означает, что эффект одного фактора зависит от уровня другого. Его следует изучать по средним ячеек или простым эффектам, а не только по главным эффектам.

Почему все четыре выборки должны быть одного размера?

Калькулятор использует формулы сбалансированного плана, сохраняющие независимость факторных эффектов. При разных размерах ячеек нужна общая линейная модель и явный выбор типа сумм квадратов.

Что означают повторности в двухфакторном ANOVA?

Каждая комбинация уровней факторов содержит несколько независимых наблюдений. Это позволяет напрямую оценить остаточную ошибку, необходимую для проверки взаимодействия.

Можно ли использовать повторные измерения?

Не в этом калькуляторе для независимых выборок. Повторные наблюдения одних и тех же участников требуют модели повторных измерений или смешанных эффектов, учитывающей зависимость.

Стоит ли интерпретировать главные эффекты при сильном взаимодействии?

Делайте это осторожно: усреднённый главный эффект может скрывать резко различающиеся эффекты на разных уровнях. Сначала изучите четыре средних ячеек и проверьте запланированные простые эффекты.