MATLAB进行单因素方差分析—ANOVA 方差分析的目的是确定因素的不同处理(方法、变量)下,响应变量(类别、结果)的均值是否有显著性差异。
方差分析用于两个或者两个以上因素样本均值的检验问题,如果直接使用假设检验的方法进行检验,那么需要对两两变量进行假设检验,如果有r个变量,需要进行的检验数量为r*(r-1)个,计算量相当庞大。对此,R.A. Fisher提出一种基于总误差分解分析的方法对所有样本的误差量分解为随机误差(组内的波动误差)和条件误差(组间的、由不同因素或者不同处理造成的误差),分别表示为SSE和SSA,总误差为SST,那么,SST=SSE+SSA。
由随机误差和波动误差构造F统计量对样本均值进行检验的过程,称之为方差分析(Analysis of Variance, ANOVA)。使用常用的统计工具可以方便的进行方差分析,并给出方差分析表。
方差分析表如有如下格式,可以一目了然的获得关于样本总误差分配情况以及所构造的统计量大小、检验显著性等。
方差分析的前提是以下两个假设:
(1)正态性假设;
(2)方差齐性假设;
第一个假设即各变量服从正态分布,可以通过一般的正态性检验方法进行检验,这里不再赘述;主要关注一下方差齐性检验,所谓方差齐性,也即方差分析是针对方差一致的情况下,检验样本均值是否一致。因此,所使用样本首先要通过方差齐性检验,其H0假设即为所有样本的样本方差相等。
为检验该假设,Bartlett提出了一种卡方检验方法,所构造统计量服从自由度为r-1的卡方分布,r为变量个数。
其检验的思想是,首先求出各个样本的样本方差,然后得到样本方差的算术平均值和几何平均值,那么,几何平均值<=算术平均值(GMSSE<=MSSE),当所有样本方差相等时,取等号。因此,MSSE/GMSSE比较大时,说明H0假设不