目录
一、各种检验的分类
二、事前检验
1.正态性检验
2.方差齐次性检验
3.共线性检验
4.协方差齐次性检验
三、事后检验
1.Turkey检验
2.tamhaneT2 检验
3.交叉图检验
4.拟合优度检验
5.显著性检验
F检验:ANOVA
T检验:小样本的显著性检验
6.区间估计
可能刚接触量化分析的人都会对各种检验感觉到懵,这个检验究竟检验什么?p值小于0.05,究竟拒绝了什么假设?是什么意思?
我刚学的时候也有这样的疑问,今天就盘一盘各种假设究竟在说什么!
我们常见的检验会有事前假设检验与事后检验:
事前检验:一般会有这几种:
事后检验一般会有:
当然这种分类不是很科学,而且稍有混乱,但是没关系,我们今天这个文章的目的是让你知道,这些检验都干了啥,如果他们是假设检验,那么他们的H0是什么,p值的含义是什么。
定义:利用观测数据判断总体是否服从正态分布的检验称为正态性检验
常见方法:正态概率纸法、夏皮罗维尔克检验法(Shapiro-Wilktest),科尔莫戈罗夫检验法,偏度-峰度检验法
我们最常用的就是SW方法和KS方法,SW方法适用于小集合,KS用于大集合(N>2000)。
类别:假设检验
假设:
H0:总体服从正态检验
H1:总体不服从正态检验
P值含义:当P>0.05,接受H0,换句话说,p越不显著(越大),样本越正态,p越显著(越小),样本越不正态。大了好
常见方法:Levene检验
类别:假设检验
假设:
H0:总体方差相等
H1:方差不全相等
p值含义:P越小,越拒绝H0,越小,方差越不相等,越大,方差越相等。大了好
常见方法:画散点图能够直接观测共线性,或者皮尔逊相关系数等
类别:数值检验
直接观察或通过协方差数值来查看。
定义:观察数据是否满足做多元(多因变量)的方差分析 一般只有MANOVA用
方法:Box's M test
类别:假设检验
假设:
H0:各因变量协方差矩阵齐性
H1:各因变量协方差矩阵不齐性
p值含义:p越小,越拒绝H0,方差越不相等。大了好
用处:用于在方差分析基础上进行,具体比较两两组别之间的差异(研究组间差异)
原理:进行所有组间均值的配对比较,用所有配对比较误差率作为实验误差率。
前提:
不满足任何一条不可使用!
类别:假设检验-----显著性检验
假设:
H0:比较组之间的均值相等
H1:比较组之间的均值不等
p值含义:如果你需要得到显著性差异的话,p越小越好,越小越拒绝H0,差异性越明显
用处:对方差不等的正态分布数据进行Tamhane的T2全对比较检验。和turkey一个作用,唯一不同就是前提。
前提:
类别:假设检验-------显著性检验
假设:
H0:比较组之间的没有明显差异
H1:比较组之间的差异明显
p值含义:如果你需要得到显著性差异的话,p越小越好,越小越拒绝H0,差异性越明显
含义:交互图在X轴上显示一个变量的水平,并为另一个变量的每个水平的平均值有一条单独的线。
作用:当一个变量的效果取决于另一个变量的值时,就会产生交互效应。交互效应在回归分析、方差分析和设计实验中很常见。
注意,图中可能包含误差,所以如果想做交互分析,还需要用数据来支撑
类别:图形检验-------直觉检验
介绍:拟合优度检验是用卡方检验进行统计显著性检验的重要内容之一。它是依据总体分布状况,计算出分类变量中各类别的期望频数,与分布的观察频数进行对比,判断期望频数与观察频数是否有显著差异,从而达到从分类变量进行分析的目的。
用法:
拟合优度是指回归直线对观测值的拟合程度。可决系数(亦称确定系数)R²。R²最大值为1。R²的值越接近1,说明回归直线对观测值的拟合程度越好;反之,R²的值越小,说明回归直线对观测值的拟合程度越差。
类型:显著性检验--------回归评价标准之一
R2越大越好。
这个范围很大,我们就简单说F检验与T检验
一般的假设:
H0: 各个元素对因变量影响都无影响
H1:各个元素对因变量不全无影响
p值显示显著性,我们希望p越小越好,这样我们研究的要素就对因变量有显著的影响,这有利于我们进一步开展工作。
H0:u = u0
H1: u !=u0
单侧双侧?什么水准?
p越小,越拒绝0假设,越显著。
基本和T检验是一个事情,区间理论的假设检验就是T检验。
当然区间估计还可以使用置信度。
这里先不细说了,以后有机会再说。