1.1 Hotelling T2检验
Hotelling T2检验是一种常用多变量检验方法,是单变量检验的自然推广,常用于两组均向量的比较。
设两个含量分析为n,m的样本来自具有公共协方差阵的q维正态分布N(μ1,∑),N(μ2,∑),欲检验
H0:μ1=μ2 H1:μ1≠μ2
分别计算出两样本每个变量的均值构成的均向量X、Y及合并的组内协方差阵S,则统计量T2为
其中,S=(Lx+Ly)/(n+m-2),为合并协方差矩阵,分别为两样本的离差阵,即:
求得T2后,可查相应界值表得到P值,从而作出结论。但通常将其转换为统计量F再由F分布得到P值。
1.2 多元方差分析
多元方差分析(multivariate analysis of variance, MANOVA)是单变量方差分析和Hotelling T2检验的推广,用于多组均向量间的比较。
设含量为n1,n2,…,ng的g个样本分别来自q维多元正态分布,Nq(μ1,∑),Nq(μ2,∑),…,Nq(μg,∑),则可根据交并原则或极大似然比原则推出多个统计量用于判断多个均向量是否来自同一总体。常用的统计量有Wilks λ, Pillai迹,Hotelling-Lawley迹和Roy的最大特征根。他们都以组内和组间离差阵有关,且其推断结论一般都一致,故这里仅介绍最常用的Wilks统计量:
式中E为合并的组内离差阵,B为组间离差阵,T为总离差阵。λ满足于自由度分别为q、n(=n1+n2+…+ng)、g的Wilks分布,可查其相应界值表得到P值,但通常也是转换为F分布后再得到P值。
http://blog.sina.com.cn/s/blog_647fe1580101i84d.html
http://www.qnr.cn/med/data/lcyxzk/ylx/201003/376058.html