统计 假设检验 显著性差异

假设检验的显著性差异检验主要是用来比较两组或多组数据中,是否每组数据对结果的影响基本一致。换言之,这是用来判断每组数据代表的因素中,是否有主要影响因素。
大致思路是先检验各组数据是否有显著性差异,再进行事后分析找出有显著差异的因素

文章目录

      • w检验
      • Levene检验
      • 显著性检验
        • 单向方差分析(F检验)
        • Kruskal-Wallis H检验
      • 事后分析
        • 方差齐性
        • 方差不齐

w检验

W检验全称Shapiro-Wilk检验,是一种基于相关性的算法。计算可得到一个相关系数,它越接近1就越表明数据和正态分布拟合得越好。它是国家标准GB4882-85推荐使用的犯第二类错误最小的检验。
w检验是检验样本容量8≤n ≤50时,样本是否符合正态分布的一种方法。(现研究已实现样本扩大,n<5000,可应用于大部分正态分布,spss中可实现)
计算式可以参考百度百科w检验
可通过spss计算得到P值,如果 P > 0.05 P>0.05 P>0.05就认为是正态分布。

Levene检验

Levene检验是检验数据方差齐性的主要方法。可以通过spss计算得到P值,如果 P > 0.05 P>0.05 P>0.05认为方差齐性。

显著性检验

单向方差分析(F检验)

单向方差分析亦称单因子方差分析、F-检验或F-比值。它同时检验这些组平均数之间的差别显著性。单向方差分析的目标是求出这些组平均数之间的变化是否也是偶然的原因。
单向方差分析的基本问题估计和比较多个等方差正态总体的均值。用于单个实验变量中两种处理以上的独立随机样本,叫做完全随机设计(单向),在这种设计中的F检验,即为单向方差分析。
在w检验得到是正态分布后才可以采用
具体过程可以看百度百科单向方差分析
通过spss计算得到P值,当 P < 0.05 P<0.05 P<0.05拒绝无显著差异假设,即存在显著性差异。

Kruskal-Wallis H检验

Kruskal-Wallis H检验是一种检验两个以上样本是否来自 同一个概率分布的一种非参数方法。此检验对等的参数检验是单因素方差分析,但与之不同的是,K-W检验不假设样本来自正态分布。也就是说,在w检验不满足时,采用这种方法检验各组数据是否有显著性差异。
通过spss计算得到P值,如果 P < 0.05 P<0.05 P<0.05拒绝无显著差异假设,即存在显著性差异。

事后分析

事后分析是通过两两比较,来找出有显著性差异的组。

方差齐性

如果Levene检验得到了方差齐性,可以采用t检验Tukey检验等等。

方差不齐

如果Levene检验得到了方差不齐,可以采用Tamhane T2检验Games-Howell检验等等。
统计 假设检验 显著性差异_第1张图片
上图是spss单向方差分析选择事后比较的选项卡,上面的框中是方差齐性的事后比较检验算法,下面的框中是方差不齐的4中事后分析检验算法。
通过spss计算得到P值, P < 0.05 P<0.05 P<0.05的组对被认为是有显著差异的组。
最后分析有显著性差异的组,结合一定的评价方法,判断出影响数据的主要因素。

你可能感兴趣的:(#,统计,数学)