第8章1--单向方差分析.pptVIP

第八章 方差分析 Analysis of Variance （ANOVA ) 方差分析(Analysis of Variance,ANOVA) 1928年由英国统计学家R.A. Fisher 首先提出，为纪念Fisher，以F命名，故方差分析又称为F检验。 方差分析的优点： 不受比较组数的限制，可比较多组均数 可同时分析多个因素的作用 可分析因素间的交互作用 一、离均差平方和的分解 对于例完全随机设计资料，共有三种不同的变异 二、F 值与F分布 F 界值表 F 分布曲线下面积与概率 Dunnett-t检验 1. Bartlett 检验法 2. Levene 检验法 例四个均值的Bonferroni法比较 设α＝α’/c＝0.1/6=0.0167,由此t的临界值为t（0.0167/2,20）=2.6117 Bonferroni法的适用性 当比较次数不多时，Bonferroni法的效果较好。 但当比较次数较多(例如在10次以上)时，则由于其检验水准选择得过低，结论偏于保守。 SNK法 SNK(student-Newman-Keuls)法又称q检验，是根据q值的抽样分布作出统计推论（例8-1）。 1．将各组的平均值按由大到小的顺序排列： 顺序 (1) (2) (3) (4) 平均值 28.0 18.7 18.5 14.8 原组号 B C A D 2. 计算两个平均值之间的差值及对比组内包含组数α，见 表 8-3第(2)、 (3)两列。 3. 计算统计量q值 4. 根据计算的q值及查附表6得到的q界值，作出统计推断。 附表4 方差分析的假定条件和数据转换 一、方差分析的假定条件 1.各处理组样本来自随机、独立的正态总体(D法、W法、卡方检验)； 2.各处理组样本的总体方差相等（不等会增加I型错误的概率，影响方差分析结果的判断） 二、方差齐性检验 1. Bartlett检验法 2. Levene等 3. 最大方差与最小方差之比3,初步认为方差齐同。 将原样本观察值作离均差变换，或离均差平方变换，然后执行完全随机设计的方差分析，其检验结果用于判断方差是否齐性。 因为levene检验对原数据是否为正态不灵敏，所以比较稳健。目前均推荐采用LEVENE方差齐性检验 三、数据变换 改善数据的正态性或方差齐性。使之满足方差分析的假定条件。 平方根反正弦变换——适用于二项分布率（比例）数据。 平方根变换——适用于泊松分布的计数资料 对数变换——适用于对数正态分布资料 * * ANOVA 由英国统计学家R.A.Fisher首创，为纪念Fisher，以F命名，故方差分析又称 F 检验 （F test）。用于推断两个或多个总体均数有无差异 。 完全随机设计资料（单因素）方差分析 One-way analysis of variance 第一节 方差分析的基本思想 所有测量值上的总变异按照其变异的来源分解为多个部份，然后进行比较，评价由某种因素所引起的变异是否具有统计学意义。 方差分析的假定条件 1. 正态性 各处理组样本是相互独立的随机样本，其总体服从正态分布； 2. 方差齐性 相互比较的各处理组样本的总体方差相等，即具有方差齐同 （homogeneity of variance）。 上述条件与两均数比较的t检验的应用条件相同。 6.65 4.71 3.78 4.15 5.99 值 合计 S4 S3 S2 S1 Si 组间变异 总变异 组内变异 总变异（Total variation）：全部测量值Yij与总均数 间的差异 组间变异（ between group variation ）：各组的均数 与总均数 间的差异 组内变异（within group variation )：每组的每个测量值Yij与该组均数 的差异 下面用离均差平方和(sum of squares of deviations from mean，SS)反映变异的大小 1. 总变异: 所有测量值之间总的变异程度，计算公式 校正系数： 2．组间变异：各组均数与总均数的离均差平方和，计算公式为 SS组间反映了各组均数 的变异程度 组间变异＝①随机误差+②处理因素效应 3．组内变异：在同