统计学常见概念失忆

关于方差齐性
方差齐，说明样本来自同一个总体，可以采用方差分析中的方法，若不齐，说明肯定不是来自同一个样本，用非参数检验。方差齐性检验是方差分析的重要前提,是方差可加性原则应用的一个条件。方差齐性检验是对两（多）样本方差是否相同进行的检验。这句话怎么理解呢？1，1 ，1和2,2,2方差一致，抽样分布认为其来自同一个总体，而如果是1,2,3与10,200,3000，方差不同，来自不同总体。
参数检验是在总体分布形式已知的情况下，对总体分布的参数如均值、方差等进行推断的方法。非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数，因而得名为“非参数”检验。

如果是在 SPSS里操作的话,就按下面的步骤 打开分析——均值分析——单因素方差分析——Options,在Homogeneity of variance前打钩就可以了结果中看这个检验值是不是大于0.05,如果是就说明接受原假设,可以进行方差检验.之后看方差检验的检验值,看是否大于0.05,如果是则说明不显著,反之就显著。

关于SE和SD
标准差(S 或SD) ,是用来反映变异程度,当两组观察值在单位相同、均数相近的情况下,标准差越大,说明观察值间的变异程度越大。即观察值围绕均数的分布较离散,均数的代表性较差。反之,标准差越小,表明观察值间的变异较小,观察值围绕均数的分布较密集,均数的代表性较好。
标准误( Sx 或S E ) ,是样本均数的抽样误差。在实际工作中,我们无法直接了解研究对象的总体情况,经常采用随机抽样的方法,取得所需要的指标,即样本指标。样本指标与总体指标之间存在的差别,称为抽样误差,其大小通常用均数的标准误来表示。数理统计证明,标准误的大小与标准差成正比,而与样本含量( n ) 的平分根成反比,即: Sx = S/ n 这就是标准误的计算方法。
抽样研究的目的之一,是用样本指标来估计总体指标。例如:用样本均数来估计总体均数。由于两者间存在抽样误差,且不同的样本可能得到不同的估计值,因此,常用“区间估计”的方法,来估计总体均数的范围。
标准差与标准误尽管都是反映变异程度的指标,但这是两个不同的统计学概念。标准差描述的是样本中各观察值间的变异程度,而标准误表示每个样本均数间的变异程度,描述样本均数的抽样误差,即样本均数与总体均数的接近程度,也可以称为样本均数的标准差。二者不可混淆。
简而言之，一个描述样本中，一个描述各个样本间，样本间的显著性分析，是看标准误！