变异量数分析.docVIP

第十章　假設測定III：變異量（數）分析 (The Analysis of Variance) 本單元目標 舉例說明適用變異量分析的例子 以假設測定的邏輯解釋變異量分析的意義 並以五個假設測定的步驟，從事變異量分析，並解釋測定結果 定義並說明母群體變異量（population variance）、總離均差平方和（total sum of squares）、組間離均差平方和（sum of squares between）、組內離均差平方和（sum of squares within）、均方估計（mean square estimate）、以及事後檢定（post hoc tests）等概念。 說明統計顯著（statistical significance）與變項間關係之重要程度間的差別。 貳、簡介 　 變異量分析(The Analysis of Variance，英文簡寫為ANOVA)是一非常重要而且常會用到之假設測定的方法。此分析法基本上適用在兩個以上樣本間之比較。我們可以將ANOVA看成是先前學過比較兩個樣本間平均數差異之 t-test 或 z-testt-test的測定，如果有四個樣本（從另一個角度來說，是一個有四個類別之自變項，如宗教信仰，則每個類別自為一個independent subsmaple），則我們可進行六個不同之兩個樣本間的t-test。如果真是這樣做，除了非常麻煩外，最大的缺點是會增加犯 Type I 錯誤之機率。如果每個t-test是定在α＝0.05t-tests會使犯下至少一次Type I errort-test是在α＝0.05之水準下進行測定，其Type I error綜合起來事實上是大於0.05。換個角度來說，t-test做多了，總有一個t-test之結果會reject HO，但此HO可能為真。用ANOVA來分析就可以避免這樣的問題。 ANOVA之原理 　　ANOVA之虛無假設H0是μ１＝μ２＝μ３＝……＝μkH0之型式可看出是兩樣本間t-test之延伸。至於說H１ 　　如果上述之H0為真，則每類別樣本平均數之差別應不大，且各樣本之標準差大小差不多（見書中P. 252之Table 10.1ANOVA並不是問不同類別間是否有差異，因為即使是虛無假設為真，由於抽樣或測量的過程中會有誤差，所以會實際觀察到各類別的平均數不同。因此，我們是在問：這些差異是否大到可以拒絕H0。 和H0完全相反的情況是各類別之平均數相差極大，而各類別之標準差很小。換言之，各類別內之異質性很小，而類別間異質性很大（見P. 252之Table 10.2(Variance)（Variance如何計算？有何意義？），主要來自原來樣本和樣本間之差異。換言之，此合併後樣本之變異或離散之狀況主要源自原來各樣本間之差異。而H0所假設的情況，是變異量主要是來自原各樣本（類別）內之差異，而非各樣本間之差異。 ※了解上面的敘述後，就很容易了解ANOVA之原理，ANOVA之測定是建立在比較各類別（或樣本）間之變異量及各類別內之變異量。與類別內之變異量相比較下，當類別間之變異量愈大時，拒絕H0之可能性愈大，反之，則愈小。 　　ANOVA之公式，即在比較兩種對母群體之變異量（σ２）之估計值。其一估計值即是建立在各樣本內之變化，而另一則為樣本間之變化。這即是ANOVA（ANalysis Of VAriance） 參、ANOVA之計算 　　要做ANOVA之測定需要介紹一些新概念及統計。第一個新概念是變項分數之總離散的程度，這是由總離均差平均和（total sum of squares 或 SST）來測量。計算SST是要將所有各樣本合併，然後計算所有分數離散之狀況，在此測量離散之方法是用下列公式 　　　　　　　SST＝Σ(Xi－)2 －－－－(1) 此式如果您還記得，是和標準差之公式中根號內分子的部分一樣。　在此SST中，Xi即合併樣本中之各分數，而即合併樣本之平均數。SST 事實上反映了兩種離散之狀況，一是各類別內之離散，另一為各類別間之離散，因此 　　　　　　　SST＝SSW＋SSB SSW(Sum of Squares Within)（組內離均差平方和）之公式是 　　　　　　　SSW＝Σ(Xi－)2 －－－－(2) 是每類別或組別之平均數 SSW之方法是將各組每一分數減去此組之平均數，求其平方，然後加起來，每組都這麼做後，要全部加起來即得SSW。 而SSB (Sum of Squares Between) 之公式為 　　　　　　　SSB＝ΣNk(－)2 －－－－(3) 　　　　　　　Nk是各組之樣本數 　　　　　　　是各組之平均數 　　　　　　　是合併樣本之平均數SS