方差分析
来源:互联网 发布:医用弹力绷带淘宝 编辑:程序博客网 时间:2024/04/28 06:53
单样本t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布,如总体标准差未知且样本容量小于30,那么样本平均数与总体平均数的离差统计量呈t分布。
独立样本T检验用于独立样本平均数的显著性检验。各实验处理组之间毫无相关存在,即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性,他需要数据的总体符合正态分布所以在进行T检验前要先对数据进行正态性检验
配对样本T检验是用于相关样本平均数差异的显著性检验,用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性,这两种情况组成的样本即为相关样本
单因素
检验统计量的构造方法
多因素
协方差
协方差分析
T检验、方差分析 的区别在哪?
t检验:是假设检验的一种常用方法,当方差未知时,可以用来检验一个正态总体或两个正态总体的均值检验假设问题,也可以用来检验成对数据的均值假设问题。具体内容可以参考《概率论与数理统计》。可以用来判断两组数倨差异是否有显著意义,也就是结果有没有统计学意义。
方差分析:它是处理实验研究资料时重要的分析方法之一,代表数据是否具有统计意义,
一般一组数据代表某个条件或因素,方差分析可以判断你选取的这个因素是否有意义,是不是影响因素
如果你做统计为了找到事物相关性,而方差结果显示数据无统计学差异,很可能代表实验失败或设计有问题。
在对均值进行假设检验时,一般有两种参数检验方法,即t检验与方差分析。t检验仅用在单因素两水平设计(包括配对设计和成组设计)和单组设计(给出一组数据和一个标准值的资料)的定量资料的均值检验场合;而方差分析用在单因素k水平设计(k≥3)和多因素设计的定量资料的均值检验场合。应当进一步说明的是,方差分析有十几种,不同的方差分析取决于不同的设计类型。很多人习惯于用t检验取代一切方差分析。
不能用t检验取代方差分析的情况
①单因素k(k≥3)水平设计时的情形。为了便于理解,举例说明。
[实例]研究单味中药对小鼠细胞免疫机能的影响,把40只小鼠随机均分为4组,每组10只,雌雄各半,用药15d后测定E-玫瑰结成率(%),结果如下,试比较各组总体均值之间的差别有无显著性意义?
对照组: 14 10 12 16 13 14 12 10 13 9
党参组: 21 24 18 17 22 19 18 23 20 18
黄芪组: 24 20 22 18 17 21 18 22 19 23
淫羊藿组: 35 27 23 29 31 40 35 30 28 36
处理本例资料,通常人们错误的做法是,重复运用成组设计资料的t检验对4个组的均值进行6次两两比较;而正确的做法是,先进行单因素4水平设计资料的方差分析,若4个总体均值之间的差别有显著性意义,再用q检验等方法进行多个均值之间的两两比较。下面将从多个方面来说明上述两种分析方法之间的差异(表1)。
表1 用t检验与方差分析处理[实例]资料的区别
比较的内容 资料的利用率 对原实验设计的影响 犯假阳性错误的概率 结论的可靠性
t检验 低: 每次仅用两组 残:割裂了整体设计 大:1-(1-0.05)6 = 0.265 低:统计量的自由度小(υ=18)
方差分析加q检验 高:每次要用全部数据 全:与原实验设计相呼应 小:0.05(假定α=0.05) 高:统计量的自由度大(υ=36)
注:自由度大,所对应的统计量的可靠性就高,它相当于“权重”,也类似于产生“代表”的基数,基数越大,所选出的“代表”就越具有权威性。
②多因素设计时的情形。为了便于理解,仍举例说明(表2)。
表2 注射氯化锂或烟碱后不同时间大鼠体温的下降值
使用氯化锂与否 使用烟碱与否 第二次注射后不同时间体温下降值(摄氏度)
0.7 1.5 3 5
—- —- 0.0±0.4 0.2±0.5 0.1±0.4 0.3±0.5
+ —- 0.7±0.5 0.1±0.5 0.1±0.6 0.2±0.5
—- + 1.2±0.8 0.1±0.6 0.4±0.5 0.4±0.3
+ + 1.7±0.6 0.7±0.6 0.3±0.6 0.1±0.5
显然,表2中涉及到的3个实验因素(即”使用氯化锂与否”、“使用烟碱与否”、“药物在体内作用时间”)。这些因素之间一般都存在不同程度的交互作用,应当选用与设计类型(本例为具有一个重复测量的三因素设计)相对应的方差分析方法。然而,对于处置复杂的实验设计问题,人们常犯的错误是在;其一,将多因素各水平的不同组合(本例中共有16种不同的组合,相当于16种不同的实验条件)、简单地看作单因素的多个水平(即视为单因素16水平),混淆了因素与水平之间的区别,从而错误地确定了实验设计类型;其二,分析资料时,常错误用单因素多水平设计或仍采用多次t检验进行两两比较。误用这两种方法的后果是,不仅无法分析因素之间的交互作用的大小,而且,由于所选用的数学模型与设计不匹配,易得出错误的结论。
答:t检验适用于两个变量均数间的差异检验,多于两个变量间的均数比较要用方差分析。用于比较均值的t检验可以分成三类,第一类是针对[url=]单组[/url]设计定量资料的;第二类是针对配对设计定量资料的;第三类则是针对成组设计定量资料的。后两种设计类型的区别在于事先是否将两组研究对象按照某一个或几个方面的特征相似配成对子。无论哪种类型的t检验,都必须在满足特定的前提条件下应用才是合理的。 若是单组设计,必须给出一个标准值或总体均值,同时,提供一组定量的观测结果,应用t检验的前提条件就是该组资料必须服从正态分布;若是配对设计,每对数据的差值必须服从正态分布;若是成组设计,个体之间相互独立,两组资料均取自正态分布的总体,并满足方差齐性。之所以需要这些前提条件,是因为必须在这样的前提下所计算出的t统计量才服从t分布,而t检验正是以t分布作为其理论依据的检验方法。 值得注意的是,方差分析与成组设计t检验的前提条件是相同的,即正态性和方差齐性。 t检验是目前医学研究中使用频率最高,医学论文中最常见到的处理定量资料的假设检验方法。t检验得到如此广泛的应用,究其原因,不外乎以下几点:现有的医学期刊多在统计学方面作出了要求,研究结论需要统计学支持;传统的医学统计教学都把t检验作为假设检验的入门方法进行介绍,使之成为广大医学研究人员最熟悉的方法;t检验方法简单,其结果便于解释。简单、熟悉加上外界的要求,促成了t检验的流行。但是,由于某些人对该方法理解得不全面,导致在应用过程中出现不少问题,有些甚至是非常严重的错误,直接影响到结论的可靠性。将这些问题归类,可大致概括为以下两种情况:不考虑t检验的应用前提,对两组的比较一律用t检验;将各种实验设计类型一律视为多个单因素两水平设计,多次用t检验进行均值之间的两两比较。以上两种情况,均不同程度地增加了得出错误结论的风险。而且,在实验因素的个数大于等于2时,无法研究实验因素之间的交互作用的大小。
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析
- 方差分析公式
- matlab方差分析
- VC环境下读入*.yuv序列
- MFC学习第九节:查找、改变、删除在数据库中的数据
- Cocos2d-x之CCImage深入分析
- 一个路由器的后门是如何打造出来的
- struts2 文件上传check文件类型大小
- 方差分析
- 非MFC中使用MFC类
- http协议通信原理
- 扩展方法
- c# 托管堆,堆栈【图文非常详细】
- fatal error LNK1104: cannot open file "mfc42u.lib"
- 顺序锁
- 六年等一回 Maven 3的10大新特性详解
- 新选择 新起点