变异数分析之准备与卡方检定.pptVIP

變異數分析之準備與卡方檢定 變異數分析 檢定三個或三個以上的母體平均數是否相等的檢定方法，或檢定因子對依變數是否有影響的統計方法 變異數分析的基本假設 常態性假設 卡方適合度檢定，檢定各小母體是否成常態 (K-S)檢定 同質(homogeneity)性假設 Barlett或Hartley檢定法 獨立性假設 卡方獨立性檢定 單因子變異數分析流程 母數統計方法的特性 推論的對象為母體特定之參數 推論時須假設母體分配已知，有時還需假設其他有關母體參數的訊息。 無母數統計方法的特性 不以母體中任何母體參數為估計或檢定的對象。 適用於母體分配未知時，故又為自由分配統計學(distribution free statistics)。 按資料大小的順序(順序量尺)作排列進行推論分析，故又稱為順序統計學(order statistics)。 類別資料的分析 類別資料的產生 原發性類別資料：當被測定的變項的本質是名義性的屬性, 例如性別資料 操弄性類別資料：以人為操作的手段所獲致的分類性資料, 例如實驗操弄的分類結果 虛擬化類別資料：由其他類型的資料型態轉換成類別形式的資料, 例如由連續變項轉換來的類別變項 類別資料的處理型態: 次數與百分比 類別資料的呈現: 次數分配表與列聯表 類別資料的分析: 卡方檢定與其他關聯性分析法 列聯表 將觀察得到的樣本資料依其類別特性統計其次數，所得到之類別次數分配表，列聯表又稱為交叉表格(cross-tabulation)。 類別變項的考驗類型 適合度考驗 獨立性考驗 同質性考驗 多重列聯表分析 卡方適合度檢定 利用樣本資料檢定母體分配是否為某一特定分配的統計方法。 兩個假設 H0：母體服從某種分配 H1：母體不服從某種分配 檢定統計量 決策法則 注意事項 n需足夠大 期望次數ei5時，必須與下一組合併直到ei?5為止 當自由度=1時必須做連續性的調整，但若則n?100此調整可忽略， 卡方統計基本假設違反的處理方式 各細格之期望次數﹙或理論次數﹚不得小於5。 處理方法 細格合併法 增加樣本數 去除樣本法 使用校正公式 期望次數5-10 ? Yate’s correction for continuity 期望次數低於5或樣本總數低於20 ?Fishe’s exact probability test 母體分配檢定-Kolomogrov-Smirnov (K-S)檢定 K-S檢定法是一種適合度檢定法，它比卡方適合度檢定更具檢定力，不必把理論次數合併成大於5。在小樣本情況下卡方適合度檢定不能使用，但K-S檢定仍可使用，但KS檢定法必需先知到母數才能使用。 卡方獨立性檢定 檢定兩個屬性間是否獨立的統計方法，通常將資料整理成列聯表的形式，故又稱為列聯表檢定。 兩個假設 H0：不同屬性間彼此獨立（無關） H1：不同屬性間彼此不獨立（有關） 檢定統計量 決策法則 卡方齊一性檢定 自兩個或兩個以上的母體各抽出一組樣本，且樣本間獨立，進而檢定這些獨立樣本所來自的母體的某一特性的分配是否相同的統計方法 兩個假設 H0：各類的某一特性間無差異 H1：各類的某一特性間有差異 檢定統計量 決策法則 檢驗多個變異數是否相等 Bartlett檢驗法 Bartlett檢驗法 Hartley檢驗法 此法為檢定k個母體變異數是否相等中最簡單的一種方法，其條件限制為： 關聯係數 關聯係數：以0至1的係數來反應類別變項之間的的關聯情形。 Phi（φ）係數：2＊2列聯表的卡方值的轉換 Ｃ列聯係數： 2＊2以上的列聯表卡方值的轉換 Cramer’s V係數：當樣本數較大時，可減緩列聯係數萎縮的問題。 範例1：適合度考驗 範例2：獨立性考驗 範例3：同質性考驗 範例4：多重列聯表分析 * * 總檢定 成偶檢定 對比檢定 結論 H0 停止 模式不顯著 H1 H1 H1 H0 H0 卡方適合度檢定 ，(K-S)檢定 Barlett或Hartley檢定法 卡方獨立性檢定 變異數分析 準確性低 準確性高 準確性 大部分在檢定適合度、獨立性、齊一性，缺法一般化的機率表。 有一般化的機率表可查，大部分利用 進行推論，且有一定的規則。 推論方法 非母體特定參數，如：中位數、適合度、獨立性、隨機性等 母體特定參數，如 等 推論對象 母體分配未知 已知母體分配 適用對象 無母數統計學 母數統計學 1 27 72 女 5 25 70 男 博士 碩士 大學 教育程度 性別 ?拒絕H0 步驟： 1.計算理論CDF：F(X) 2. 計算實際CDF：S(X) 3.計算