变异量数分析.doc

社會統計 關秉寅 PAGE PAGE 8 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-test 的延伸。例如，我們可能想知道不同宗教信仰者，是否在一測量支持墮胎態度的量表分數上有差異。不同宗教信仰是多類別的自變項。比較這些類別間對某一以等距/比值尺度測量之變項，在平均數上的差異是否達到顯著時，就是一種多樣本比較的情況。 在比較多樣本平均數差異的情況下，我們可以進行一連串兩個樣本間平均數之t-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＝0.05之水準下進行測定，一連串這樣的t-tests會使犯下至少一次Type I error的機會增加。換言之，即使每一個t-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。 貳、ANOVA之原理 　　ANOVA之虛無假設H0是μ１＝μ２＝μ３＝……＝μk，也就是所有樣本均是來自同一母群，或是各樣本來自的各個母群在平均數上沒有無差異。更具體的說法是每類別或項目間在某一特性上並無差異（如：不同宗教信仰者在支持墮胎之態度上並無差異）。從這H0之型式可看出是兩樣本間t-test之延伸。至於說H１則為「至少有一類別在某一特性上與其它類別有差異」。 　　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 10.1）（如果由同一母群體中抽出多個樣本是否有同樣的結果？）。事實上ANOVA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）。在這種情況下，如果我們將所有樣本合併，這個合併後之樣本的變異量(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）之名稱的由來。 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－eq \x \to(X))2 －－－－(1) 　　　　　　　總