One & Two Way ANOVA - Procédures Et Interpretations Par - Fatimazahra BENABBOU

Rédigé et présenté par: BENABBOU FatimaZahra
“ ANOVA: ONE & TWO WAY ”

-procédures et interprétations de l’exercice de l’exposé-
I- One way Anova:
-Procédures générales :
est de l’analyse de variance : permet l’analyse des moyennes (means) et le

1- T
déchiffrage de l'existence de différences entre ces dernières = examining the variability
amongst the means and compares it against the variability within each group mean in terms
of the individuals within each group that’s why it’s called an analysis of variance.
● Procédure ANOVA one way spss : analyse …comparer les moyennes...var

dépendante(var quantitative) ...var indépendante (var qualitative)...ok
● Procédure graphe ( barre d’erreur) : G raphe...boîte de dialogue ancienne

version...barre d’erreur....simple...définir.
● Tableau d’analyse de variance : p-value < 0.05 ----> variance significative ----> rejet
de Ho
Test of welch and brown-forsythe : we can use it to help us reject the null
hypothesis and be confident that there are actually a statically significant
difference in the means .
2- Quand le 1ér test s'avère significatif, on doit conclure qu’il existe des différences
importantes entre certaines moyennes. En effet il va falloir procéder automatiquement à la
procédure POST HOC pour atteindre le test et le tableau de la comparaison multiples
;vous pouvez commencer par un means plot afin de l’expliquer grâce au ‘tableau de
multiple comparisons’ ;
Mean plot : on sait que le résultat est significatif mais on ne sait pas laquelle des
moyennes sont significatives “voir le tab des comparaison multiples”.
;Post hoc étudie les différences qui contribuent à la signification de l’ANOVA; .

Procédure spss ‘POST HOC’ ---> analyse...comparer les moyennes...anova à 1
facteur...post hoc...choisir une option soit tukey, bonferroni, lsd … “selon les besoins de
l’analyste statisticien”.
● ci-après certains avantages et limites de chacune des options POST HOC.

●
- Another way to run one-way ANOVA on spss :
“Cette méthode possède un bonus dans les options”

● Procédure: analyse...general linear mode … univarié...options...choix des options (
descriptives, estimation et effets, homogénéité…)
;on aura alors les mêmes tableaux: descriptive et d'homogénéité.
;le plus(+) de cette méthode est le TEST OF BETWEEN SUBJECTS;

;Sur le between subjects on s’intéresse à la colonne ETA-SQUARED : représente la mesure
de la taille de l’effet; .
II- two way anova :

une variable dépendante expliquée par l'interaction de deux variables
indépendantes (2 facteurs) .
● syntaxe= modèle linéaire général-- univarié-- les variables--
model--type III (for summer squares) --continue -- ok.
;plus de détails en bas sous forme d’interprétation de mon exemple ANOVA à 2

facteurs;
a- interprétations de l’exercice effectué durant l’exposé :
1- tab de l’anova: On remarque un degré de signification < à 0.05 ce

qui explique une variance significative entre les moyennes des étudiants
de chacun des professeurs Mr.Hafidi - Mme.el menzhi - Mr.Doumi .
En effet il y aura lieu d’un rejet de Ho.

;il y’a un effet des professeurs sur les notes des étudiants;
À un seuil de 5%, on ne peut conclure que la moyenne des notes des

étudiants soit la même chez les 3 profs puisque la valeur observée 10,8
de F est supérieur à la valeur critique F 0,95 à 2 et 12 de= 3,89 obtenue
de la distribution de Fisher à 2 et 12 degrés de liberté et le degré de
signification est inférieur à 0.05.
cette signification ne m’explique pas toujours laquelle des moyennes

est largement loin et significative : - est ce que c’est la méthode de
Mr.Doumi qui est meilleure et crée un bon effet sur les notes des
étudiants par rapport à la classe de mr.hafidi et Mme.el menzhi !? et
vis-versa...
● pour répondre à cette question il va falloir passer à un autre test
appelé POST HOC.
2- POST HOC : test comparaisons multiples : On voit que la variance

entre la moyenne de Mr Hafidi et Mme el menzhi n’est pas significative ce
qui explique que leurs méthodes adoptées ne sont pas différentes l’une de
l’autre,
mais en comparant m r hafidi par rapport à ;la classe avec la moyenne la plus
élevée; celle de Mr.Doumi on remarque une variance significative de 0.02
ce qui explique que mr doumi est distingué par rapport à Mr.hafidi p
ar un
meilleur niveau peut être d’explications ce qui entraîne bien evidemment de
bonnes notes à ses étudiants.
Et finalement en comparant M me el menzhi avec Mr Doumi on trouve que y’a

pas u n résultat significatif ce qui pourrait expliqué que Mme el menzhi
adopte une méthode qui s’assimile à celle de mr.Doumi également ce qui a
résulté à ses étudiants des moyennes proches de celle de la classe de Mr.
Doumi .
2- Tableau descriptif : La note moyenne varie entre 4 pour les

étudiants de Mr.Hafidi, 7 de moyenne pour les étudiants de M me.El
Menzhi, et 1
0 pour D
oumi.
Au total, l'échantillon a eu 7 en moyenne.
● Les écarts-type (standard deviations) sont similaires avec la plus
élevée des variabilités pour Mr.Doumi et M me.El Menzhi. et la
plus faible pour Mr.Hafidi.
● Erreur type (error type) nous précise la variabilité échantillonnale
de la moyenne. la plus petite est celle de Mr.Hafidi
3- Test d'homogénéité des variances: La dernière colonne nous

montre que le test n’est pas significatif 0.4 > 0.05 ; on ne rejette pas
l’hypothèse nulle de l’égalité des variances.
ce qui nous convient parfaitement.
“il y’a une homogénéité de variances” donc on a pas à craindre la suite.
4-Welch et Brown-forsythe : Alors avec un degré de signification de
0.06 à travers le test robuste et puissant de Welch et 0
.03 sur brown
forsythe o n conclut et confirme qu’on doit rejeter Ho.
5- Test of between subjects : eta squared : généralement la taille de

l’effet varie entre 0 et 1.0.
● Sur l’exercice on conclut que 64% de la variabilité des notes ont
été du à cause de la différenciation des professeurs.
b-interprétation des résultats de la l’ANOVA 2 facteurs.
Etablire les hypothèses:

ho= le sexe n’aura aucun effet significatif
ho= la catégorie d'âge n’aura aucun effet significatif sur la
consommation des produits de luxe
ho= l'interaction du sexe et la catégorie d'âge n’aura aucun effet sur la
consommation des produits de luxe.
NB : pour mon exemple : notre data sur spss reflète le désigne

factoriel de 2 par 3 .
1- test of between-subjects effects :

- le 1er facteur à discuter est le facteur “sexe” il est significatif de 0.019
exe a un effet sur la variabilité de la
ce qui signifie que le facteur s
consommation des produits de luxe = rejet ho qui concerne le sexe
-le 2ème facteur ;categ d'âge, est aussi significatif de 0.03 = r ejet de
ho qui concerne la cat age
Donc la différenciation d'âge a aussi un effet sur la consommation de

ces produits
Mais malheureusement on a pas pu avoir le degré de signification de
l'interaction entre les deux facteurs vu l'insuffisance des informations et
données insérer sur spss pour la calculer.
l’interaction:
● Si la combinaison entre sexe et âge, l'interaction entre les 2 est
significatif = rejet de ho de l’interaction
etween-subjects effects il a été précisé que:

● Sur notre tableau b
99% of results can been gotten by random chance.
Généralement pour ANOVA à 2 facteurs: on a 2 variables

indépendantes et une variable dépendante, chaque variable
indépendante a un niveau.
On trouve une variable indépendante avec 2 niveaux et autre avec 3
niveaux ou les 2 à 3 niveaux .
-Dans notre cas : 2*( sexe: féminin , masculin) *3(cat age : < 20 ans ;
entre 20 et 45; plus de 45 ans).
● désigne factoriel de 2 par 3.
l'interaction : comment procède le terme interaction

essentiellement l’interaction veut dire le terme ‘ca depend’ c-à-d si on
pose la question : est ce que la cat age avait un effet sur l’achat des
produits de luxe par le consommateur on répondra : cela dépend sur le
consommateur si il est féminin ou masculin. ( valable si l’interaction
féminin*masculin est significative)
- exp: Est ce que le sexe a un effet sur la variabilité des achats des
produits de luxe, la réponse sera : cela dépendra sur le
consommateur si il est <20 ans , entre 20 et 45 ou > 45ans.
-
Faire un graphe :
- Procédure du graphe : graphe-- chart builder---
OK---line---prendre les variables----statistics---means---apply---OK
.
par: Fatimazahra BENABBOU

One & Two Way ANOVA - Procédures Et Interpretations Par - Fatimazahra BENABBOU

Transféré par

Droits d'auteur :

Formats disponibles

One & Two Way ANOVA - Procédures Et Interpretations Par - Fatimazahra BENABBOU

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

One & Two Way ANOVA - Procédures Et Interpretations Par - Fatimazahra BENABBOU

Transféré par

Droits d'auteur :

Formats disponibles

Rédigé et présenté par: ​BENABBOU FatimaZahra

“ ANOVA: ONE & TWO WAY ”

I- One way Anova:

​ est de l’analyse de variance​ : permet l’analyse des moyennes (means) et le

● Procédure ANOVA one way spss​ :​ analyse …comparer les moyennes...var

● ​Procédure graphe ( barre d’erreur)​ : G ​ raphe...boîte de dialogue ancienne

;Post hoc étudie les différences qui contribuent à la signification de l’ANOVA; .

● ci-après certains avantages et limites de chacune des options POST HOC.

- Another way to run one-way ANOVA on spss :

“Cette méthode possède un​ bonus​ dans les options”

;on aura alors les mêmes tableaux: descriptive et d'homogénéité.​

;le plus(+) de cette méthode est le ​TEST OF BETWEEN SUBJECTS​;

II- two way anova :

;plus de détails en bas sous forme d’interprétation de mon exemple ANOVA à 2

​ a- interprétations de l’exercice effectué durant l’exposé :

1- tab de l’anova: ​ ​On remarque un degré de signification < à 0.05 ce

En effet il y aura lieu d’un rejet de Ho.

À un seuil de 5%, on ne peut conclure que la moyenne des notes des

cette signification ne m’explique pas toujours laquelle des moyennes

2- POST HOC : test comparaisons multiples :​ ​ ​On voit que la variance

Et finalement en comparant M ​ me el menzhi​ avec ​Mr Doumi​ on trouve que y’a

2- Tableau descriptif :​ ​ La note moyenne varie entre ​4​ pour les

3- Test d'homogénéité des variances:​ La dernière colonne nous

5- Test of between subjects​ : ​eta squared​ : généralement la taille de

b-interprétation des résultats de la l’ANOVA 2 facteurs.

Etablire les hypothèses:

NB : pour mon exemple : notre data sur spss reflète le désigne

1- test of between-subjects effects :

Donc la différenciation d'âge a aussi un effet sur la consommation de

​ etween-subjects effects​ il a été précisé que:

Généralement pour ANOVA à 2 facteurs: on a 2 variables

l'interaction ​: comment procède le terme interaction

par​: Fatimazahra BENABBOU

Vous aimerez peut-être aussi

Rédigé et présenté par: BENABBOU FatimaZahra

est de l’analyse de variance : permet l’analyse des moyennes (means) et le

● Procédure ANOVA one way spss : analyse …comparer les moyennes...var

● Procédure graphe ( barre d’erreur) : G raphe...boîte de dialogue ancienne

“Cette méthode possède un bonus dans les options”

;on aura alors les mêmes tableaux: descriptive et d'homogénéité.

;le plus(+) de cette méthode est le TEST OF BETWEEN SUBJECTS;

a- interprétations de l’exercice effectué durant l’exposé :

1- tab de l’anova: On remarque un degré de signification < à 0.05 ce

2- POST HOC : test comparaisons multiples : On voit que la variance

Et finalement en comparant M me el menzhi avec Mr Doumi on trouve que y’a

2- Tableau descriptif : La note moyenne varie entre 4 pour les

3- Test d'homogénéité des variances: La dernière colonne nous

5- Test of between subjects : eta squared : généralement la taille de

etween-subjects effects il a été précisé que:

l'interaction : comment procède le terme interaction

par: Fatimazahra BENABBOU