方差分析

方差分析（ANOVA）

用于分析定类数据与定量数据之间的差异情况。可用于多组数据的对比。

• 定类：可以理解为特征。
• 多组：特征的多个取值。
• 定量：分析的指标。

比如学历为本科以下,本科,本科以上共三组学生的网购满意度是否有差异。

• 定类：学历。
• 多组：本科下，本科，本科上（3组）。
• 定量：学生网购满意度。

刚刚的例子属于单因素方差分析。单因素指的是定类数量为一个（学历）。两个及以上的特征称为多因素（eg：学历、性别）。

方差分析时，首先分析p值，如果此值小于0.05，说明呈现出差异性；具体差异再对比平均值即可。如果p 值大于0.05则说明没有差异性产生。

下图是定类为学历时，三组学历，对服务态度、服务质量评分的结果。（PS:这里定量是两个量，分别计算完服务态度后，同样步骤再计算服务质量即可。）

• “淘宝客服服务态度”呈现出0.01水平的显著性差异差异态度(F=69.38,p =0.00<0.01）,具体通过平均值对比差异可知：相对来看，学历越高的样本人群，他们对于“淘宝客服服务态度”的认可态度会越高。
• “淘宝商家服务质量”现出0.01水平的显著性差异(F =49.70,p =0.00 <0.01）,具体通过平均值对比差异可知：相对来看，学历越高的样本人群，他们对于“淘宝商家服务质量”的认可态度会越高。

理论上，方差分析有两个前提条件

• 一是因变量Y需要满足正态性要求
• 二是满足方差齐检验。

效应值

• 当呈现出显著差异性(前提),可分析差异,同时还可以分析差异幅度(即效应量)。
• 方差分析时,通常使用${\eta }^2$表示效应量
  计算公式: ${\eta }^2=\frac{SSA}{SST}$ SSA表示组间差，SST为总差异;
• 偏Eta方值介于0~1之间，该值越大说明差异幅度越大，比如偏Eta方为0.1，即说明数据的差异有10%是来源于不同组别之间的差异，一般情况下偏Eta值非常小，使用偏Eta方表示效应量大小时，效应量小、中、大的区分临界点分别是:0.01，0.06和0.14；
• 同时还可以使用Cohen’s f 表示效应量
  计算公式:$\sqrt{\frac{{\eta }^2}{1-{\eta }^2}}$
  Cohen’s f 表示效应量大小时，效应量小、中、大的区分临界点分别是:0.10，0.25和0.40。

参考资料：
https://spssau.com/front/spssau/helps/universalmethod/onewayanova.html