《统计心理学教学资料》8-ANOVA2012.ppt

2009年4月22日 方差分析 (Analysis of Variance) 1.??? ANOVA的研究情境 2. ANOVA的逻辑 3.??? ANOVA的符号. 4.??? ANOVA的过程和例题 5.??? 事后检验 6. ANOVA的效应 Step 5 事后检验 HSD = q * sqrt（MS组内/n）=3.77*sqrt (3.83/5) = 3.30 比较 1:A-B 5-1=43.3 所以A与B差异显著 比较 1:A-C 6-1=53.3 所以A与C差异显著 比较 1:B-C 6-5=13.3 所以B与C差异不显著 概念小测查: 判断正误 F比率不可能得到一个负值. 如果虚无假设是正确的话, ANOVA的F比率的期望值是1.00. F比率为0表示所有分离样本都具有同样的均值. 在方差分析中,如果其它因素保持不变, 样本均值间的差异越大, F比率越大. 比较每组n=10的两处理的方差分析的自由度是df=2,18. 概念小测查: 判断正误 方差分析的拒绝区域整个位于分布的一个尾端. 比较3个处理条件的方差分析得到MSbet=30. 对于这一方差分析, SSbet=30. 方差分析之后的事后检验被用来确定ANOVA中是否犯了I类错误. 方差分析之后的事后检验是当统计决策是〝不能拒绝虚无假设”时进行. 如果ANOVA中只有两组处理条件,事后检验是不必要的. 报告结果 F(df组间,df组内) = Fobs, p ? 单因素方差分析发现学习方法有显著的效应, F(2,12) = 11.28, p 0.01. 各组的均值和标准差为: Alpha的预设 电脑的结果输出 会给出实际 p-值. 假设检验的逻辑 是必须事前预设Alpha水平. 如果选择了 .01, 就必须 将其用于所有的检验.所以,如果有两个实验, 电脑程序得到实验 1的 p值 = .001,实验 2的 p -值 = .01. 它们都在统计上显著. 假设检验是 yes/no 决策. 上例中,结论 都是 YES.实验 1 的结果并不比实验 2更显著. 4. 事后检验（Post hoc tests） ANOVA 的结果是检验H0: m1 = m2 = m3 ,这是一个两点 (拒绝/不拒绝) 决策. 并未提供哪个备择假设得到支持. 也就是说, 只知道一些组与其它组不同, 但并知道差别在哪些组之间. 所以从ANOVA得到显著差异的结果 (拒绝H0)后,一定要做作一些事后检验. 事后检验 使我们能够比较各组, 发现差异产生在什么地方. 事后检验就是比较每一个处理组与另一个处理组, 一次比较两个. 这称为成对比较. 族系（familywise） 误差 在上例中, 可以比较 m1 与 m2, m1与 m3, 以及 m2与 m3. 这样的做法有没有问题？ 每一个比较 都是一个单独的假设检验, 每一个都有犯I类错误的风险. 所以,比较对数越多, 作结论的风险越大。即容易发现实际不存在的差异。 这称为实验导致的（experimentwise）alpha 水平 或族系（familywise） 误差 αEW = 1 - (1 - a)c c = 比较对数 对于上述例子, 如果选择 a = 0.05 作3 对比较 αEW = 1 - (1 - a)c = 1 - (.95)3 = 1 - .857 = .143 I类错误的机会增加到14.7%而不再是5%，多数事后检验设计中都控制了实验导致误差. Tukeys HSD 检验 此检验要求各组有相等的样本容量. 可以计算出单一的值确定处理均值间的最小差异，考查此差异在统计上是否显著. HSD = q * sqrt（MS组内/n） q 值 可以从表中查出(附表6). 需要用到K和 df组内, 以及αEW 在上例中 (用αEW = .05): HSD = q * sqrt（MS组内/n）=(3.77) sqrt（1.33/5） = (3.77)(.516) = 1.94 比较 1: H0: m1 = m2 2 -1 = 4.0 - 1.0 = 3.0 HSD = 1.94 3.0，拒绝 H0 比较 2: H0: m1 = m3 3 -1 = 1.0 - 1.0 = 0.0 HSD = 1.94 0.0，不能 拒绝 H0 比较 3: H0: m2 = m3 2 -3 = 4.0 - 1.0 = 3.0 HSD = 1.94 3.0， 拒绝 H0 所以 B 与 A 和 C不同，而A 与 C 没有差异 Scheffe检验 特别适用于n 不等的情况 这是最保守的检验(降低 I类错误的风险, 但增加II类错误的风险). 用F比率检验差异. ?重新