A bidirecional análise de variância ( ANOVA) utiliza dois fatores, ou variáveis ​​independentes na análise. O objectivo é o de ver se a média de vários conjuntos de dados são diferentes um do outro , mas estas são agrupadas em dois modos , em vez de um . Isso pode ser confuso para os alunos, mas uma maneira mais fácil de interpretar os resultados é traçar as médias de cada fator em um gráfico de dispersão . SPSS e outros programas de análise oferecem este tipo de enredo como uma saída , com os pontos de dados já conectados com linhas retas. Instruções
1

Note que cada linha no gráfico representa . Normalmente, esta é a principal variável de agrupamento na análise , por exemplo, dois grupos distintos de pessoas, e será identificado por uma legenda ao lado da trama.
2

Note que os pontos do x- eixo do gráfico representam . Esta será uma outra variável de agrupamento , por exemplo , pode haver dois pontos de tempo diferentes . Cada ponto no eixo x é chamado de "nível" do que o fator .
3

Note que o eixo y representa. Esta é a variável dependente , ou variável resultado da sua análise. O objetivo da análise de variância é ver se os grupos divergem sobre esta variável .
4

Olhe para as diferenças verticais entre os grupos em cada um dos pontos sobre o eixo - x . Existem diferenças entre os grupos ? Se algumas das linhas estão muito além dos outros , isso pode indicar uma diferença entre os grupos a este nível.
5

Olhe para cada linha individualmente e ver se há alguma mudança que vão da esquerda para a direita. Não as pontuações aumentar ou diminuir a diferentes níveis do factor no eixo - x ? Se o eixo x representa o tempo, por exemplo, isso poderia indicar uma mudança ao longo do tempo . Se ela representa a dosagem de um medicamento , isso representaria efeitos diferentes em diferentes dosagens .
6

Confira as linhas e ver se eles são paralelos ou não. Se as linhas não são paralelas , isso significa que você tem uma " interação " em seus resultados. Uma interação significa que as pontuações na variável dependente são diferentes dependendo de quais os níveis das variáveis ​​independentes que você está olhando .