方差分析
在实际中经常要对在不同条件下进行试验或观察得到的数据进行分析,以判断不同条件对结果有无影响。此时协变量往往表示某种效应(条件)存在(成立)与否,因而往往取0,1两个值。在统计学上称这类分析为方差分析(analysis of variance,ANOVA)
-
基本假设:(1)每组样本数据对应的总体应该服从正态分布;(2)每组样本数据对应的总体方差要相等,即为方差齐性;(3)每组之间的值是相互独立的。
-
单因素方差分析模型
方差分析模型有两种表现方式:(1)均值模型;(2)主效应模型- 单因素均值模型: y i j = μ i + e i j , i = 1 , . . . , a , j = 1 , . . . , n i y_{ij}=\mu_i+e_{ij}, i=1,...,a, j=1,...,n_i yij=μi+eij,i=1,...,a,j=1,...,ni,其中 e i j ∼ N ( 0 , σ 2 ) e_{ij} \sim N(0,\sigma^2) eij∼N(0,σ2)独立同分布(iid)。假设检验: H 0 : μ 1 = μ 2 = . . . = μ a H_0:\mu_1=\mu_2=...=\mu_a H0:μ1=μ2=...=μa
- 单因素主效应模型: y i j = μ + α i + e i j , i = 1 , . . . , a , j = 1 , . . . , n i y_{ij}=\mu+\alpha_i+e_{ij}, i=1,...,a, j=1,...,n_i yij=μ+αi+eij,i=1,...,a,j=1,...,ni,其中 e i j ∼ N ( 0 , σ 2 ) e_{ij} \sim N(0,\sigma^2) eij∼N(0,σ2)独立同分布(iid), Σ i = 1 a n i α i = 0 \Sigma_{i=1}^an_i\alpha_i=0 Σi=1aniαi=0。其中 μ \mu μ为总平均,计算方法为: Σ i = 1 a n i μ i Σ i = 1 a μ i \frac{\Sigma_{i=1}^an_i\mu_i}{\Sigma_{i=1}^a\mu_i} Σi=1aμiΣi=1aniμi, α i = μ i − μ \alpha_i=\mu_i-\mu αi=μi−μ为因子A第i个水平的效应。假设检验: H 0 : α 1 = α 2 = . . . = α a H_0:\alpha_1=\alpha_2=...=\alpha_a H0:α1=α2=...=αa。
- 假设检验:
-
单因素方差分析,关注的是因子A的各个水平之间是否有显著差异,原假设为(主效应模型下): H 0 : α 1 = α 2 = . .
-