单因素方差分析课件

单因素方差分析

方差分析入门

单因素方差分析

均数两两比较的方法

趋势检验

小结

内容提要前面提到的有关统计推断的方法，如单样本、两样本t检验等，其所涉及的对象千变万化，但归根结底都可以视为两组间的比较，如果是有一组的总体均数已知，则为单样本t检验，如果两组都只有样本信息，则为两样本t检验。但是如果遇到以下情形，该如何处理？方差分析入门在以上例子中，涉及的问题其实就是在单一处理因素之下，多个不同水平（多组）之间的连续性观察值的比较，目的是通过对多个样本的研究，来推断这些样本是否来自于同一个总体。那么能否使用两两t检验，例如做三组比较，则分别进行三次t检验来解决此问题呢？这样做在统计上是不妥的。因为统计学的结论都是概率性的，存在犯错误的可能。方差分析入门

分析：用6次t检验来考察4个省份的大学生新生入学成绩是否相同，对于某一次比较，其犯I类错误的概率为，那么连续进行6次比较，其犯I类错误的概率是多少呢？不是6，而是1-（1-）6。也就是说，如果检验水准取0.05，那么连续进行6次t检验，犯I类错误的概率将上升为0.2649！这是一个令人震惊的数字！

结论：多个均数比较不宜采用t检验作两两比较；而应该采用方差分析！方差分析入门

R.A.Fisher提出的方差分析的理论基础：将总变异分解为由研究因素所造成的部分和由抽样误差所造成的部分，通过比较来自于不同部分的变异，借助F分布作出统计推断。后人又将线性模型的思想引入方差分析，为这一方法提供了近乎无穷的发展空间。方差分析入门方差分析的原假设和备择假设为：H0：1＝2＝…=kH1：k个总体均数不同或者不全相同方差分析入门

独立性（independence）：观察对象是所研究因素的各个水平下的独立随机抽样

正态性（normality）：每个水平下的应变量应当服从正态分布

方差齐性（homoscedascity）各水平下的总体具有相同的方差。但实际上，只要最大/最小方差小于3，分析结果都是稳定的应用条件有时原始资料不满足方差分析的要求，除了求助于非参数检验方法外，也可以考虑变量变换。常用的变量变换方法有：对数转换：用于服从对数正态分布的资料等；平方根转换：可用于服从Possion分布的资料等；平方根反正弦转换：可用于原始资料为率，且取值广泛的资料；其它：平方变换、倒数变换、Box－Cox变换等。应用条件分析：对于单因素方差分析，其资料在SPSS中的数据结构应当由两列数据构成，其中一列是观察指标的变量值，另一列是用以表示分组变量。实际上，几乎所有的统计分析软件，包括SAS，STATA等，都要求方差分析采用这种数据输入形式，这一点也暗示了方差分析与线性模型间千丝万缕的联系。单因素方差分析预分析（重要）：检验其应用条件单因素方差分析选择data中的splitfile，出现如下对话框：单因素方差分析单因素方差分析这里仅取其中一组结果，表明该资料符合分组正态性的条件。单因素方差分析注意分组检验正态性后，要先回到data菜单下的splitfile，如下操作取消拆分后才能进行后续的方差分析：单因素方差分析给出各组间样本均数的折线图指定进行方差齐性检验单因素方差分析结果分析单因素方差分析（1）方差齐性检验

Levene方法检验统计量为3.216，其P值为0.053，可认为样本所来自的总体满足方差齐性的要求。单因素方差分析结果分析（2）方差分析表第1列为变异来源，第2、3、4列分别为离均差平方和、自由度、均方，检验统计量F值为5.564，P＝0.008，组间均数差别统计学意义，可认为各组的NO不同。变异来源通过以上分析得到了拒绝H0的结论，但实际上单因素方差分析并不这样简单。在解决实际问题时，往往仍需要回答多个均数间到底是哪些存在差异。虽然结论提示不同组别个体的NO量不同，但研究者并不知道到底是三者之间均有差别，还是某一组与其他两组有差别。这就应当通过两两比较（多重比较）进行考察。均数两两比较方法直接校正检验水准（相对粗糙）专用的两两比较方法：计划好的多重比较（PlannedComparisons）非计划的多重比较（Post－HocComparisons）均数两两比较方法Contrasts按钮PostHoc按钮仍以例1为例，LSD法的输出格式：均数两两比较方法结果分析仍以例1为例，SNK法的输出格式：结果分析均数两两比较方法该方法的目的是寻找同质子集，故各组在表格的纵向上，均数按大小排序，然后根据多重比较的结果将所有的组分为若干个子集，子集间有差别，子集内均数无差别。当各组样本含量不同，选择Scheffe法，得结果：均数两两比较方法结果分析假设在调查的设计阶段，就计划好了第二组和第一组，以及第三组和第一组的比较，可以使用主对话框中的contrast按钮实现。在coefficients后面的框中输入1，-1，0，每次输入后点击add，就可以比较第一组和第二组的NO；再点击next按钮，继续输入下一个组合，即0，-1，1。均数两两比较方法均数两两比较方法结果分析可见，第一个组合无统计学意义，而第二个组合有显著性差异。理论上，方差分析所对应的分组变量应该是一个无序的变量。但实际上，往往分组变量的取值也可以体现顺序的意义，比如，多个时间点上的某项指标的比较；不同pH下某些化学物质转化率的比较等。这类资料并不少见。对于这类资料，既然是多组间计量资料的比较，当然是优先考虑单因素方差分析。但是在得到各组间有差异的结论之余，也应该注意到单纯的方差分析并未利用分组变量中蕴涵的次序信息。趋势检验

例2要研究高梁的不同播种深度与出苗时间的关系，数据如下表，见trend.sav：高梁的不同播种深度与出苗时间的关系趋势检验本例经方差分析可知各种播种深度下出苗天数不等或不全相等，而Means－plot图进一步提示天数与深度之间的关系，如下。趋势检验自变量间各取值间间隔相等时，除了对此进行方差分析之外，还可以利用线性模型的有关原理对数据作进一步的分析，以考察应变量与处理因素之间是否存在某种依存关系，统计学上称为趋势检验。这种趋势并非仅仅指线性的，也可能是一种多项式关系。因此，一般通过建立正交多项式模型的方法来进行趋势检验。趋势检验在contrast对话框中，选择polynomial复选框，并在degree列表中选择cubic（三次型）。趋势检验可见，播种深度和发芽天数之间的关系的确需要使用高次项关系来描述。趋势检验结果分析

注意：

趋势检验的目的并非拟合线性或非线性模型，而是希望知道当因素的水平改变时，均数以什么样的形式（线性、二次性或者其他）随之改变。趋势检验单因素方差分析所针对的是多组均数间的比较，其基本思想是变异分解，即将总变异分解为组间变异和组内变异，再利用F分布做出有关的统计推断。单因素方差分析要求资料满足正态性、独立性和方差齐性的条件。方差分析拒绝H0只能说明各组之间存在差异，但不足以说明各组之间的关系。利用多重比较可以初步判断各组间的关系。小结多重比较可以分为事前计划好的比较