第七版方差分析重点.ppt

方差分析 用于检验某影响因素的多个彼此独立的样本是否来自均数相同的总体 1、方差分析的应用条件： 1）各样本是相互独立的随机样本； 2）各样本来自正态总体 3）各处理组总体方差相等，即方差齐性 如果不满足方差分析的前提条件，应用非参数检验。 应用条件的考察 小样本时，对正态性难以直观判断和检验，需凭借经验； 大样本时，中心极限定理保证了样本均数的抽样分布服从或近似服从正态分布，此时方差分析的结果是稳健的。 但若总体极度偏离正态，则需作数据转换，改善其正态性。 应用条件的考察 方差齐性的判断：通常采用方差齐性检验 只要各组样本量相等或接近，即使方差不齐，分析结果仍然稳健且检验效能较高。 如果样本含量组间相差较大，则I类错误概率会明显偏离规定的检验水准α。 若较大方差组有较大样本含量，则容易拒绝H0；若较大方差组有较小样本含量，则不容易拒绝H0. 有些统计学家不赞成进行方差齐性检验。 BOX提出，最大的方差与最小的方差之比不超过3，结论仍具有一定正确性。 方差齐性检验的方法 F检验：对资料的正态性要求苛刻 Bartlett X2检验：对资料的正态性要求苛刻 Levene检验：不依赖资料分布类型 应用条件的检查 独立性： 在实验设计阶段应当保证随机抽样真正得到实施，避免原始资料存在信息重叠，这样才能保证变异能够按照模型表达式那样具有可加性。 注意：各组在样本含量上的均衡性将会为分析计算提供极大的便利，也能在一定程度上弥补正态性或方差齐性得不到满足时对检验效能所产生的影响，这一点在多因素时体现得尤为明显。因此实验设计时就应注意到均衡性的问题。 单因素方差分析： one-way ANOVA 过程 1、能进行单因素方差分析 2、根据各样本是否方差齐性，分为两类不同均数两两比较的检验方法 3、还能进行单因素不同水平均数的各种多项式模型趋势检验。 Compare means→one-way ANOVA 例7-1 一、变量设置 二、输入数据 三、正态性检验 Analyze——descriptive statistics——explore——plots 4、方差分析（包含方差齐性检验）analyze—compare means—one way ANOVA 因变量栏 Post Hoc对话框：均数两两比较按钮 多个样本均数的两两比较 两种情形 （1）探索性研究：在研究设计阶段未预先考虑或预料到，经假设检验得出多个总体均数不全相等的提示后，才决定进行多个均数的两两事后比较。SNK法、Bonferroni法、 ?idák法。 （2）证实性研究：（事先有明确假设）设计阶段计划好的某些均数间的两两比较，如多个实验组与一个对照组的比较，某一对或几对在专业上有特殊意义的均数间比较。Dunnett-t检验、LSD-t检验，也可用Bonferroni法、?idák法 两两比较方法根据功能分为三类 第一类：进行均值多重比较 方差齐同的4种：LSD、Bonferroni、Sidak、Dunnett。 方差不齐的4种：略 第二类：划分相似子集 R-E-G-W F、 R-E-G-W Q、S-N-K、Tukey’s-b、Duncan、Waller-Duncan 第三类：上述两个功能兼有 Scheffe、Turkey、Hochberg‘s GT2、Gabriel。 常用的两两比较方法 LSD-最小差异性检验： （least-significance-difference Method） 用t检验完成各样本均值间的配对比较。 最简单的比较方法之一。只是t检验的一个简单变形，并未对检验水准作任何校正，只是计算了一个更为稳健的标准误。 一般用于计划好的多重比较。 优点：由于单次比较的检验水准仍为α，因此可以认为LSD法是最灵敏的。检验的灵敏性高，比其他方法容易得出有差异的结论。 缺点：对犯一类错误的概率没有进行控制。 Bonferroni法 也称修正最小显著性差异法。 优点：对一类错误的概率进行了控制， 显著性水准缩小为α’=α/k (k为两两比较的次数) 特点：比较保守 Tukey法 仅适用于各样本的样本容量相等的情况; 采用了与LSD方法不同的统计量，在相同的检验水准下，拒绝H0的可能性比t检验低。 控制所有比较中最大的一类错误的概率不超过α。从而使一类错误的概率不增大。 不仅进行了成对均值的检验，还进行了相似子集的划分。 S-N-K 与Tukey法类似，提供了划分相似子集的方法。 根据预先指定的准则将各组均数分为多个子集，利用studentized Range分布来进行假设检验，并调整总的一类错误概率不超过α。 适用于样本容量相等的情况。 Options对话框（描述、方差齐性检验）