方差分析之原理.docVIP

方差分析的原理 (The Analysis of Variance) 壹、简介 变异量分析(The Analysis of Variance)是一非常重要而且常会用到之假设测定的方法。此分析法基本上是用在两个以上样本间之比较。我们可以将ANOVA看成是先前学过两个样本间比较之t-test或z-test的延伸。在多样本比较的情况下，我们可以进行一连串两个样本间平均数之t-test的测定，如果有四个样本（从另一个角度来说，是一个有四个类别之自变项，如宗教信仰，则每个类别自为一个subsmaple），则我们可进行六个不同之两个样本间的t-test。如果真是这样做，除了非常麻烦外，最大的缺点是会增加犯Type I 错误之机率。如果每个t-test是定在α＝0.05之水准下进行测定，一连串这样的t-tests会使犯下至少一次Type I error的机会增加。换言之，即使每一个t-test是在α＝0.05之水准下进行测定，其Type I error综合起来事实上是大于0.05。换个角度来说，t-test做多了，总有一个t-test之结果会reject HO，但此HO可能为真。用ANOVA来分析就可以避免这样的问题。 贰、ANOVA之原理 　　ANOVA之虚无假设H0是μ１＝μ２＝μ３＝……＝μk，也就是所有样本均是来自同一母群，或是各母群之平均数无差异。更具体的说法是每类别或项目间在某一特性上并无差异（如：不同宗教信仰者在支持死刑之态度上并无差异）。从这H0之型式可看出是两样本间t-test之延伸。至于说H１则为「至少有一类别在某一特性上与其它类别有差异」。 　　如果上述之H0为真，则每类别样本平均数之差别应不大，且各样本之标准差大小差不多（见书中P. 235之Table 10.1）（如果由同一母群体中抽出多个样本是否有同样的结果？）。事实上ANOVA并不是问不同类别间是否有差异，而是问这些差异是否大到可以拒绝H0。 和H0完全相反的情况是各类别之平均数相差极大，而各类别之标准差很小。换言之，各类别内之异质性很小，而类别间异质性很大（见P. 236之Table 10.2）。　在这种情况下，如果我们将所有样本合并，这个合并后之样本的变异量(Variance)（也就是标准差的平方，又Variance如何计算？有何意义？），主要来自原来样本和样本间之差异。换言之，此合并后样本之变异或离散之状况主要源自原来各样本间之差异。而H0所假设的情况，是变异量主要是来自原各样本（类别）内之差异，而非各样本间之差异。 ※了解上面的叙述后，就很容易了解ANOVA之原理，ANOVA之测定是建立在比较各类别（或样本）间之变异量及各类别内之变异量。与类别内之变异量相比较下，当类别间之变异量愈大时，拒绝H0之可能性愈大，反之，则愈小。 　　ANOVA之公式，即在比较两种对母群体之变异量（σ２）之估计值。其一估计值即是建立在各样本内之变化，而另一则为样本间之变化。这即是ANOVA（ANalysis Of VAriance）之名称的由来。 参、ANOVA之计算 　　要做ANOVA之测定的第一步是要将所有各样本合并，然后计算所有分数离散之状况，在此测量离散之方法是用下列公式 　　　　　　　SST＝Σ(Xi－)2 －－－－(1) 　　　　　　　总离均差平方和 SST即Total Sum of Squares，此式如果您还记得，是和标准差之公式中根号内分子的部分一样。　在此SST中，Xi即合并样本中之各分数，而即合并样本之平均数。 　　这SST事实上反映了两种离散之状况，一是各类别内之离散，另一为各类别间之离散，因此 　　　　　　　SST＝SSW＋SSB SSW(Sum of Squares Within)（组内离均差平方和）之公式是 　　　　　　　SSW＝Σ(Xi－)2 －－－－(2) 是每类别或组别之平均数 因此，我们求SSW之方法是将各组每一分数减去此组之平均数，求其平方，然后加起来，每组都这么做后，要全部加起来即得SSW。 而SSB (Sum of Squares Between) 之公式为 　　　　　　　SSB＝ΣNk(－)2 －－－－(3) 　　　　　　　Nk是各组之样本数 　　　　　　　是各组之平均数 　　　　　　　是合并样本之平均数 知道了SSW及SSB，我们可以得到两种母群体之σ２的估计值，其中利用SSW之估计值是 　　组内估计值＝SSW／dfw，　dfw＝N－K， 　　组间估计值＝SSB／dfb， dfb＝K－1　　 　　N＝全部合并样本数，K＝组数 而ANOVA即在求，两估计值间的相对大小，更具体说是求一个F ratio。