變異數分析摘要表.pptVIP

讓數字會說話三F 變異數分析 Analysis of Variance 基本定義 平均數考驗方法 變異數分析是一套應用於探討平均數差異的統計方法 當研究者所欲分析的資料是不同樣本的平均數，也就是探討類別變項對於連續變項的影響，平均數的差異成為主要分析重點 超過兩個以上的平均數的考驗，其原理是運用F考驗來檢驗平均數間的變異量是否顯著的高於隨機變異量，又稱為變異數分析 變異數分析的基本原理 平均數差異檢定：基本原理是計算兩個數值（平均數）之間的差異，如果差異夠大，大於統計上的隨機差異，便可能獲得顯著的結果，拒絕虛無假設、接受對立假設。平均數差異與隨機差異的比值，決定了統計的顯著與否。 平均數變異分析：超過兩個平均數的考驗，其原理仍是以平均數間的變異數（組間變異）除以隨機變異得到的比值（F值），來取代平均數差異與隨機差異的比值（t或Z值），而能夠同時檢驗三個平均數的差異情形 當F值越大，表示研究者關心的組平均數的分散情形較誤差變異來得大，若大於研究者設定的臨界值，研究者即可獲得拒絕虛無假設、接受對立假設的結論。 單因子變異數分析資料實例 可以計算出四個平均數，即三個組平均數與一個總平均數（grand mean)。變異數分析檢驗的就是這三個組平均數是否具有顯著的差異 研究假設為：高、中、低三種不同運動量的受測者，其睡眠時間不同 實驗、族系與比較錯誤率 實驗誤差率（experiment-wise error rate；EWE） 統計的決策，是以整個實驗的型I錯誤率維持一定（例如.05）的情況下，導出各次決策所犯的型I錯誤率為何 族系誤差率（familywise error rate; FWE） 將每一個被檢驗的效果（例如主要效果、交互效果）的統計考驗的型I錯誤率維持一定，導出各次決策所犯的型I錯誤率 比較錯誤率（comparison-wise error rate） 將型I錯誤率設定於每一次的統計考驗，均有相同的犯第一類型錯誤的機率 實驗與族系誤差率 為了維持整體的α水準為.05，必須降低各次考驗的α水準 固定效果模式與隨機效果模式 固定效果模式（fixed effect model）。當一個研究的自變項的水準個數（k組），包括了該變項所有可能的水準數（K組），也就是樣本的水準數等於母體的水準數（K=k） 。 例如比較大學四個年級學生的曠課次數，此時自變項為年級，具有四個水準，而母體亦為四個年級。 隨機效果模式（random effect model）。研究所取用的自變項，只包含特定的一些水準，而並非包括所有可能的類別，即樣本的水準數小於母體的水準數（Kk） 。 例如教育學者比較不同地區的學校教學方法的成效有所不同，因此隨機選取幾個地區的一些學校共四所（自變項），該研究所關心的四個水準，可以說是隨機自教學方法的母體中，隨機取用得來的。 隨機模式所得到的結論，在推論上需考量如何自所選取的水準去推論自變項的所有水準。多使用重複量數設計來分析 一般線性模式 單因子變異數分析的通式 ?為總平均數（grand mean） 全體觀測值的平均值 表示母體中的任何一位樣本的依變項初始狀態是相同的。 ?j表獨變項效果 獨變項的第j組對於依變項的效果，強度為?j-?，（第j組的離均差） 對於第j組當中每一位受試者，?j為一常數，各組離均差總和為0 ε為誤差效果 為常態隨機變數，記為N(0, )。 同一個組別下的每一位受試者在Y變項上產生差異的隨機效果 ANOVA的假設考驗 變異量拆解 SStotal=SSb+SSw SStotal:依變項觀察值的變異。全體樣本在依變項得分的變異情形，即總離均差平方和） SSb「導因於獨變項影響的變異」 （組間離均差平方和，sum of squares between groups） SSw「導因於獨變項以外的變異」（隨機變異）（組內離均差平方和，sum of squares within groups） 各離均差平方和平均化後，得到均方和（MS），即為變異數的概念 F ratio 兩個變異數的比值稱為F統計量 F統計量的機率分配為F分配 F值越大，表示研究者關心的組平均數的分散情形較誤差變異來得大 若大於臨界值，研究者即可獲得拒絕H0的結論 變異數分析摘要表 變異數分析的結果可以整理成摘要表形式 關聯強度分析 統計顯著性（statistical significance） 基於機率理論的觀點，說明獨變項效果相對於隨機變化的一種統計意義的檢驗 例如利用F考驗來決定獨變項效果的統計意義 實務顯著性（practical significance） 反應獨變項效果在真實世界的強度意義 常用ω2 、 η2、f量數表示 也稱為臨床顯著性（clinical significanc