单因素方差分析输出

在本节中，我们将学习**单因素方差分析**的输出。**单因素方差分析**的输出如下所示

在上面的输出中，我们可以看到只显示了三个**工作类别**，即**文员、看守**和**经理**。缺失值**0**在输出中不可用。 **30** 人属于**类别1**，即**文员，5** 人属于**类别2**，即**看守**，**15** 人属于**类别3**，即**经理**。我们在类别 2 中人数略少。

现在我们将看看它是否有任何递归用于我们的分析。**平均工资**分别为 29,125 美元、53,600 美元和 94,616 美元。如果我们查看这些**平均值分数**，我们会看到来自三个不同工作类别的人的工资存在差异的印象。但是，如果我们从**文员**转向**看守**员工，差异并不大。但是，如果我们从**看守**员工转向**经理**，则存在巨大的显着差异，是工资差异的两倍多。所以，我们预计各组之间存在显着差异。因此，这就是我们可以通过查看**平均值分数**来猜测显着差异的方式。

**经理**的**标准差**与其他两组相比非常**高**。因此，经理的平均工资较高，但与其他组相比，管理类别的差异很大。

**标准误差**显示在下图中。**标准误差**是指均值抽样分布的标准差。因此，它表明了测量中的误差量。因此，越小对我们越有利。

这里有95%的置信度信息。因此，我们可以看到没有置信度信息为 0。因此，我们在任何一侧都没有正值或负值，这些是不同组提取的最小和最大工资金额。因此，就**经理**而言，差异非常大，从3.1万到12.3万，这就是输出的描述性场景。