心理学研究方法之多元统计课件Chapter 3 review of univariate____ and bivariate statistics-2008-3-2.ppt

Review of Univariate and Bivariate Statistics 提纲 假设检验 方差分析 参数估计 效果大小 双变量统计：相关与回归 卡方分析 抽样 假设检验 统计决策 例子：单样本z检验 样本平均数的抽样分布 平均数等于总体平均数? 标准差：标准误 平均数的抽样分布的标准误比总体标准差小，其大小与样本大小n有关，因此， I与II类错误 a(0.05,0.01),? 假设检验 统计决策 统计检验力(power) 1- ? 概念：在备择假设正确的情况下拒绝零假设而接受备择假设的概率 Reality H0 really true H1 really true Statistical H0 decision H1 假设检验 统计决策 统计检验力(power) 1- ? How to improve power 使用较大的a（0.05 rather than 0.01) 效果大小(effect size)：使H0的曲线与H1的曲线隔得变远（即两平均数间的差距增大） 增大样本或减小分数变异（通过增强控制、提高数据质量），以减小样本平均数抽样分布的标准误 The danger of too much power, and minimal meaningful difference ??? 方差分析 原理： 方差间的比较 组内方差 MSW：随机变异或误差项；是总体方差的最好估计 组间平均数 MSB：组间差异或处理效应；在H0成立情况下，也是总体方差的一个估计值 若MSW= MSB，则H0成立，所有组间差异均来自随机误差，不存在处理或组效应。反之，若后者大于前者，则H0不成立，存在处理效应 其比率遵循F分布 单尾分布，其形状取决于两方差的自由度 方差分析 单因素被试间ANOVA SST = (Xij-X)2 =SSW+SSB= (Xij-Xj)2 + n· (Xj - X)2 dfT = N-1 = dfW+dfB = (N-k)+(k-1) k(n-1) 方差分析 多因素被试间ANOVA 单因素被试内（配对、区组、重复测量）ANOVA 举例 A B 方差分析 多因素被试内ANOVA 方差分析 混合设计的ANOVA 方差分析 嵌套或分层设计：多水平线性模型 拉丁方设计：为平衡练习、疲劳、顺序效应等 由于考虑了顺序效应，因此在确实会存在顺序效应且不存在被试与处理水平间的交互作用的情况下，比简单的被试间设计更灵敏 但在不存在顺序效应且存在被试与处理水平的交互作用时不灵敏 方差分析 组间样本不对称及非正交性 在使用计算机统计的情况下，样本不对称在统计上不是大问题。但需考虑到小样本的变异可能较大，即方差不齐性 非正交性 在组间样本不对称的情况下产生非正交性 方差分析 平均数间的比较 比较的权数 对每一Cell或边缘平均数都赋一权重，该权重反映了零假设 权重为0的平均数不做比较；相互比较的平均数的权重相反，且其和为0 如果权重的和不为0，则偏差越大意味着零假设越可能被拒绝 与t检验类似；无需进行通常的ANOVA 权数的正交性 P51 表 正交比较的数目等于自由度，如df=2，则只有2组比较间呈正交（其交互乘积项的和为0） 方差分析 如果可以满足研究的需求，则正交比较具有很多好处： 不存在“过度使用”自由度的问题 分析的变异不存在重叠，因此一组检验的显著性对另一组无影响 因为各个检验间是独立的，因为k-1个正交比较的平方和等于ANOVA中自变量的平方和，即效应的平方和可以被分解为k-1个正交比较 方差分析 平均数间的比较 事后比较 对a水平进行矫正 矫正a水平的方法 Dunnett: 确定一个控制组，将其他组与该组比较，最自由 LSD：常用的配对比较中最自由的（对a的矫正最少） Tukey HSD：较严格 Bonferroni：比较严格 Scheffe：最严格，因而也最具灵活性，可进行多组配对比较 参数估计 点估计： 样本平均数是总体平均数的无偏估计—This is why we report sample means along with statistical results 区间估计： However, sample means are rarely precisely at t