大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
第2章频数分布略
方差分析用于比较两组及以上组间的平均数差异的情况。如果组别仅为两组，则应该使用t检验。
因素：方差分析中，用于分派组别的变量
水平：因素的个别情形或个别值
方差分析与t检验：
F比值与t值的基本结构一样，但是是基于变异而非样本平均数的差异。F值的分子上的方差提供了一个测量所有样本均值差异的数。分母的方差类似于t值分母上的标准误，测量的是如果没有处理效应的期望方差。
为什么不用t检验，而是用方差分析？
检验α水平：做一个单独的假设检验时犯第一类错误的可能性。实验α水平：当一个实验包括多个不同的假设检验时，实验中全部独立的检验所犯第一类错误积累后的犯错总概率。通常，实验α水平比任何一个单独的检验的α值大。方差分析可在一次实验中同时进行三个及以上均值差异的比较，避免了实验α的膨胀。
方差分析的统计假设：
虚无假设：：== 三种水平下的总体均值是相同的。
备择假设：：总体平均数中至少有一个总体平均分不同于其他的总体平均分。
方差分析的逻辑：
【整个实验的总变异量可分解为处理间差异和处理内差异，F=处理间方差/处理内方差。1，如果不存在处理效应，处理间的差异全部来自随机因素。这时，F比值分子、分母的测量都是随机差异，且两者相等，F=(0+随机因素造成的差异)/随机因素造成的差异，当F值与1接近时，认为处理不存在效应。2，如果存在处理效应，处理间的差异来自随机因素和系统差异（处理造成的）。这时，系统差异和随机差异的和(分子)将显著大于随机因素造成的差异(分母)，F=(系统处理造成的差异+随机因素造成的差异)/随机因素造成的差异，F值会显著大于1。】
方差分析的计算流程：
自由度的计算： N:所有得分的个数 ；k:处理情境的个数（水平数）；n:每个处理情境的得分个数
效应量大小的计算：计算被处理效应所解释的方差比例，测量得分之间的差异有多少可以被处理之间的差异所解释。
事后检验（成对比较、多重比较）：目的是确定哪些（组间）均值差异是显著的。事后检验涉及一系列单独的假设检验，每一个检验伴随着一个第一类错误。随着我们所做的单独检验的增多，第一类错误也同时累积（实验α水平）。
多重比较方法的选择：如果各组样本量相等，建议首选Tukey法；如果样本量不等，建议首选Scheffe法（如果比较组数不多，可使用Bonferroni法）；如果要分别比较每个试验组与对照组，可采用Dunnett法。
LSD法（最小显著差异法）：本质是t检验，但比t检验敏感性高。LSD法单次比较的检验水准仍然为α，所以虽然此方法灵敏度最高，但有增加第一类错误的可能。
Tukey(HSD)法：Tukey法较LSD法严格，但要求比较的样本容量相差不大，如果各组样本量相等，首选Tukey法。
SNK法：也叫q检验，该方法是Tukey法的修正，不要求组间样本量相同。此方法较Tukey法更保守，控制了犯第一类错误的概率，但控制仍不够严格。
Scheffe法:可以同时检验所有可能的对比，不用再两两去比较。是组间样本量不同时的常用方法。
Bonferroni法：是最为保守的方法，需要比较的次数越多（≥10次），结果越保守；如果组数较少，可以使用Bonferroni法。
Dunnett法：类似于LSD法，但是有特殊临界值表。适用于多个实验组与对照组间均数差别的多重比较。
Sidak法：当比较次数较多时（如多于10次），建议使用。
Duncan法：是SNK法的修正，不用查q表，改为查SSR表。但是较SNK提高了犯第一类错误，降低了犯第二类错误的概率。
以上方法，使用的前提是满足方差齐性，如果方差不齐，可采用Games-Howell、Tamhanes’ T2等多重比较方法。
独立测量方差分析的假设：1，每个样本的观测值相互独立。2，样本所属的总体服从正态分布。（不重要，尤其是大样本>30时）。3，样本所属的总体的方差齐性。（很重要，可用Hartley F-max来检验方差是否同质）。
方差不齐性，原则上不能进行方差分析，可以1，做数据转换，使其接近齐性，比如box—cox转换、对数转换等。2，改用非参数检验方法。
参考文献
- 方差分析多重比较的选择.医研经纬，2019.
- 方差分析后的两两比较方法选择，真的无迹可寻吗.小白学统计，2016.
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/183489.html原文链接：https://javaforall.net
![JVM内存模型详解(1.7与1.8的区别)[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
