UNISTAT - příklad 14

 

ANOVA (Analýza rozptylu) - porovnání průměrů několika skupin (testujeme nulovou hypotézu: H0: m1 = m2 = m3 =....=mk)

 

1. Zadání hodnot do tabulky MS Excel: sloupec A - označení příslušnosti ke skupině: 0 km, 70 km, 150 km; sloupec B - hodnoty měřených veličin: Hematokrit (l/l), Hemoglobin (g/l), Ery, (T/l), Leu (G/l).

2. Po označení sloupců zvolit menu Statistika1 - ANOVA & GLM - Analýza rozptylu  (v dialogovém okně "Popisky případů v 1.sloupci" odpovědět: NE). V dialogu "Analýza rozptylu: Krok 1"vybrat Faktor pro rozlišení skupin (Skup.) a závislé proměnné (Hematokrit, Hemoglobin, Ery, Leu):

 

3. V dalším dialogu zatrhnout klasický experiment:

 

4. Zobrazení výsledků analýzy rozptylu:

Výsledky analýzy rozptylu pro jednotlivé proměnné:

Proměnná Hematokrit: Protože výsledek p = 0,0002 (Významnost u faktoru Skup.) < 0,01 znamená to, že mezi průměry testovaných skupin (0 km, 70 km, 150 km) existuje statisticky vysoce významný rozdíl (tzn. neplatí nulová hypotéza H0: m1 = m2 = m3). Proto je vhodné dále zjistit, kde tento rozdíl vznikl, tzn. testovat rozdíly mezi průměry jednotlivých dvojic souborů (skupin) pomocí mnohonásobného porovnávání.

Proměnná Hemoglobin: Protože výsledek p = 0,0019 (Významnost u faktoru Skup.) < 0,01 znamená to, že mezi průměry testovaných skupin (0 km, 70 km, 150 km) existuje statisticky vysoce významný rozdíl (tzn. neplatí nulová hypotéza H0: m1 = m2 = m3). Proto je vhodné dále zjistit, kde tento rozdíl vznikl, tzn. testovat rozdíly mezi průměry jednotlivých dvojic souborů (skupin) pomocí mnohonásobného porovnávání.

Proměnná Ery: Protože výsledek p = 0,4497 (Významnost u faktoru Skup.) > 0,05 znamená to, že mezi průměry testovaných skupin (0 km, 70 km, 150 km) neexistuje statisticky významný rozdíl (tzn. platí nulová hypotéza H0: m1 = m2 = m3). Proto není nutné další testování pomocí mnohonásobného porovnávání.

Proměnná Leu: Protože výsledek p = 0,0049 (Významnost u faktoru Skup.) < 0,01 znamená to, že mezi průměry testovaných skupin (0 km, 70 km, 150 km) existuje statisticky vysoce významný rozdíl (tzn. neplatí nulová hypotéza H0: m1 = m2 = m3). Proto je vhodné dále zjistit, kde tento rozdíl vznikl, tzn. testovat rozdíly mezi průměry jednotlivých dvojic souborů (skupin) pomocí mnohonásobného porovnávání.

 

5. Mnohonásobné porovnávání (testování rozdílu průměru jednotlivých dvojic skupin) - na základě výsledků předchozí Analýzy rozptylu provádíme pouze pro proměnné Hematokrit, Hemoglobin a Leu: Po označení sloupců A - E zvolit menu Statistika1 - Testy pro analýzu rozptylu - Mnohonásobné porovnávání  (v dialogovém okně "Popisky případů v 1.sloupci" odpovědět: NE). V dalším dialogu vybrat Faktor (Skup.) a Závislé proměnné (Hematokrit, Hemoglobin, Leu):

 

 

6. V dalším dialogu zatrhnout např. Tukey-HSD test.

U_pr14FVHEg.JPG

Pozn.: Jednotlivé nabízené testy pro mnohonásobné porovnávání se liší především ošetřením chyby 1.druhu a při testování a je na nás, který test si zvolíme. Některé testy jsou tzv. "liberální" (např. Student-Newman-Keul test) - tzn., že není tak přísný při ošetření chyby a při posuzování rozdílů průměrů, je tedy velmi pravděpodobné, že zamítne nulovou hypotézu (může však dávat "falešné" významnosti i u takových rozdílů, které významné nejsou). Jiné testy jsou spíše "konzervativní" (např. Tukey-HSD test), tzn., že ošetřují chybu 1.druhu a při testování velmi přísně, je tedy menší pravděpodobnost zamítnutí nulové hypotézy a dosažení určitých významností pro testované rozdíly, ale výsledné významnosti jsou pak velmi spolehlivé.

 

7. Zobrazení výsledku Tukey-HSD testu:

Výsledek Tukey-HSD testu: vypočtené významnosti pro testování rozdílů mezi průměry jednotlivých dvojic skupin pro každou proměnnou:

 

Proměnná Hematokrit:

0 km - 150 km : p = 0,0002 (+ +)

0 km - 70 km: p = 0,4672 ( - )

70 km - 150 km: p = 0,0046 ( ++ )

 

Proměnná Hemoglobin:

0 km - 150 km : p = 0,0021 (+ +)

0 km - 70 km: p = 0,0162 ( + )

70 km - 150 km: p = 0,6974 ( - )

 

Proměnná Leu:

0 km - 150 km : p = 0,0069 (+ +)

0 km - 70 km: p = 0,0203 ( + )

70 km - 150: p = 0,8964 ( - )

 

 

8. Pro lepší přehlednost dosažených výsledků a jejich interpretaci je vhodné dále vypočítat a zobrazit průměry (včetně dalších popisných charakteristik) porovnávaných skupin pro jednotlivé proměnné - po označení sloupců A-E zvolit menu Statistika1 - Testy pro analýzu rozptylu - Tabulka průměrů  (v dialogovém okně "Popisky případů v 1.sloupci" odpovědět: NE). V dalším dialogu vybrat Faktor (Skup.) a Závislé proměnné (Hematokrit, Hemoglobin, Ery, Leu):

 

9. Zobrazení výsledků výpočtu průměrů a dalších popisných charakteristik porovnávaných skupin pro jednotlivé proměnné:

Závěr:

Přeprava brojlerů na jatky do vzdálenosti 150 km zvyšuje vysoce významně hladinu hematokritu ve srovnání s brojlery  kteří přepravováni nebyli (p=0,0002) i ve srovnání s brojlery přepravovanými na vzdálenost 70 km (p=0,0046). Přeprava na vzdálenost 70 km se přitom ve svém účinku na hladinu hematokritu v krvi brojlerů statisticky významně neliší (p>0,05) ve srovnání s hladinou hematokritu nepřepravovaných brojlerů.

Hladina hemoglobinu je u brojlerů významně zvýšena vlivem přepravy na vzdálenost 70 km (p=0,0162) ve srovnání s brojlery skupiny 0 km, kteří přepravováni nebyli, a vysoce významně zvýšena u brojlerů vlivem přepravy na vzdálenost 150 km (p=0,0021) ve srovnání s brojlery nepřepravovanými. Navzájem se přitom stresové účinky obou délek přeprav (70 km a 150 km) na hladinu hemoglobinu v krvi brojlerů statisticky významně neliší (p>0,05).

Podobně i celkový počet leukocytů v krvi brojlerů je významně zvýšen vlivem přepravy na vzdálenost 70 km (p=0,0203) ve srovnání s brojlery skupiny 0 km, kteří přepravováni nebyli, a vysoce významně zvýšen vlivem přepravy na vzdálenost 150 km (p=0,0069) ve srovnání s brojlery nepřepravovanými. Stresové účinky obou délek přeprav (70 km a 150 km) na počet leukocytů v krvi brojlerů se přitom statisticky významně neliší (p>0,05).

Žádná ze sledovaných délek přepravy brojlerů (0 km, 70 km, 150 km) neovlivňuje statisticky významně celkový počet erytrocytů v krvi brojlerů.

 

Zpět