判断已知分布的两组数均值有没有差异,我们可以使用假设检验解决。
然而,当判断多组数的时候,就比较麻烦,可能是一个因素的影响,使多组数之间存在差别,这时候问题变成一个因素影响下的多组数就之间的因变量有无差异问题,变成了一个方差分析的问题。
方差分析的基础是把变异分为组件误差和随机误差两部分
多因素的方差分析也是不同因素组间影响的误差之和和随机误差之和
多元方差分析是因变量有几个维度的观察值,在SPSS中包括对同一变量不同观察时间的重复测量的解决方案。
混合模型: 把前面的误差更进一步的细化,一般用于多层嵌套数据处理,比如不同学校,低下嵌套学生, 把误差除了上面的组间固定误差,又增加了组间随机误差,再加上速记误差, 混合模型增加了对变量方差不同的描述,原来只在平均值不同上。 它的产生解决了因变量之间的非独立性
广义线性模型是转化因变量不为正态分布,但可以用均值表达的分布镞, 经过连接函数可以把方程式左边变成线性, 但因变量之间不相关
广义线性方程是对 因变量之间相关问题的进一步解决,比如不同时间重复测量一个个体
广义线性方程混合模型,在上面的基础上再增加了因变量之间嵌套,或者非独立性的问题的解决