差异性分析之方差分析（ANOVA）

最新推荐文章于 2024-06-01 08:00:00 发布

对内没脾气

最新推荐文章于 2024-06-01 08:00:00 发布

阅读量4.7k

点赞数 25

文章标签： python 开发语言数据分析

本文链接：https://blog.csdn.net/qq_60471758/article/details/130997646

版权

前言

本篇文章的初心在于帮助自己随时温习一些统计学检验方法，使用SPSS+R两类分析软件对数据进行检验。差异性分析的类别有很多，会在今后慢慢更新。

本文末会放参考的文章链接，希望在成为学术搬运工的同时有所创新，谢谢支持！

1. 方差分析的原理

方差分析用于比较两个或多个样本均值是否相等的统计方法，即比较两个或多个总体间是否存在显著性差异。

本质就是进行定类变量与定量变量之间的分析

方差分析是用变异的思想，将总的变异分为组间变异和组内变异，组内变异往往是个体变异导致，一般不会太大；而组间变异除了个体变异外，还有组间干预措施导致的变异。

R.A. Fisher认为，如果组间的变异除以组内的变异，结果远远的大于1，就有理由认为，组间的干预措施在发挥着作用。

2. 方差分析的作用

判断不同组别数据是否存在差异性：不同类别群体下某一指标的差异性。

3. 方差分析的类别

单因素方差分析：分析一个研究因素水平下的定量变量比较

双因素方差分析：分析两个研究因素水平下的定量变量比较

多因素方差分析：分析两个以上的研究因素水平下的定量变量比较

4. 方差分析前的数据准备

4.1 对数据的要求

进行方差分析的数据需要满足以下三个条件：

【正态性】数据服从正态分布或者近似正态分布

不同组数据的响应变量（因变量）需要满足正态分布或者近似正态分布。

【方差齐性】不同组数据的方差应该相近（方差齐性）

若是有一组数据方差波动较大，检验结果显示的显著差异性，可能是由于某一组数据方差过大导致的。（可以尝试对定量变量进行对数化处理）

【独立性】各组数据之间应该是独立的（独立性）

指各组数据之间应该是相互独立的，即每个观测值只能属于一个组，不同组之间不能有重复或交叉。

注意：当数据不满足正态分布时，根据中心极限定理，当样本足够大时，随机变量的均值将近似服从正态分布，而与其在总体中的分布无关，这种近似在样本量大于30时，比较明显。

4.2 数据到底长啥样

拿到的数据不一定都能直接使用，也就是数据分析中，最开始的数据清洗和数据预处理部分。符合数据分析软件的数据格式应为：组别自变量，定量因变量。例如在SPSS中，要求如下：

种类	长度
1	10
2	11
1	13

5. 方差分析的流程

（1）数据提取：从数据库、网页等地方获取

（2）数据清洗：保证数据没有缺失值或者较多异常值

（3）正态性检验：常用方法有夏皮罗一威尔克检验法、偏度-峰度检验法、QQ图等

（4）方差齐性检验：原假设是方差齐性，但很多时候方差都是非齐性的

（5）差异性判断：原假设是两组数据不存在显著差异

（6）事后比较：若检验出存在显著差异，需要知道哪些组之间是存在显著差异的，此时可以用事后比较进行分析。

事后比较方法	适用场景
LSD	使用最为广泛，组别较少时可用
Scheffe	各组别样本数量不相同时可用
Turkey	各组别样本数量相同时可用
Bonferrnoi(邦弗里尼）	对比组别数量较少可用
Tamhane T2	方差不齐时可用

6. 代码实现：R+SPSS

6.1 R语言

6.1.1 单因素方差分析

# 生成随机数
a <- rnorm(10, 0, 1)
b <- rnorm(10, 0, 1)
c <- rnorm(10, 0, 1)
# 生成数据框
df1 <- data.frame(x=c(a, b, c), cate=gl(3, 10))

# 正态性检验
shapiro.test(df1$x)
qqnorm(df1$x);qqline(df1$x)

从夏皮罗一威尔克检验和QQ图可以发现，数据是服从正态分布的。

# 方差齐性检验
bartlett.test(x~cate, data=df1)

巴特利特球形检验显示，P值大于0.05，没有拒绝原假设，即方差齐性。

# 方差分析
summary(aov(x~cate, data=df1))

方差分析结果显示P值0.124，大于0.05，不存在显著差异；为了呈现结果，继续进行事后比较。

pairwise.t.test(df1$x,df1$cate,p.adjust.method = "bonferroni")

两两对比时，P值都大于0.05，故不存在谁存在差异。

6.1.2 双因素方差分析

df2 <- data.frame(x=c(a,b,c), A=gl(3, 10), B=gl(2, 15))
# 方差齐性检验
bartlett.test(x~A, data=df2)
bartlett.test(x~B, data=df2)
# 方差分析
summary(aov(x~A+B, data = df2))
# 事后比较
TukeyHSD(aov(x~A+B, data = df2))

由于检验结果比较相似，这里就不做过多描述，直接到方差分析和事后比较部分