单因素方差分析比较三个或更多不匹配组的平均值。阅读其他地方了解 如需选择一项检验,以及 解读结果。
群体分布是否服从高斯分布?
单因素方差分析假设您的数据采集自随高斯分布的总群体。虽然该假设对于大样本来说并不太重要 中心极限定理,这对于小样本量(尤其是不相等的样本量)很重要。Prism可以测试违反这一假设,但正态性检验的效用有限。
如果您的数据并非来自高斯分布,则您有三个选择。最佳选择是转换这些值(可能是对数或倒数),使其更倾向于高斯分布。另一种选择是使用Kruskal - Wallis非参数检验代替方差分析。最后一个选择是使用方差分析,其中,需要认识到,当样本量较大时,它可以抵抗对高斯分布的违反。
群体是否存在相同的标准偏差?
单因素方差分析假设所有群体具有相同的标准偏差(因此方差相同)。所有组的受试者人数相同(或几乎相同)时,这一假设并不重要,但当样本量不同时,这一假设就非常重要。
InStat通过两种检验来测试方差相等性:Brown - Forsythe检验和Bartlett检验。这些检验的P值回答了该问题:如果群体的方差确实相同,则您随机选择的样本方差和您在实验中观察到的方差相同的可能性有多大。小P值表明方差不同。
不要仅基于这些检验得到结论。也想想其他类似实验的数据。如果您有大量之前数据让您相信方差确实相等,则忽略这些检验(除非P值确实很小),像往常一样解释方差分析的结果。一些统计学家建议,如果样本量相等(或接近相等),则完全忽略等方差检验。
在一些实验环境中,找到不同的方差可能和找到不同的方法一样重要