方差分析是为了比较多个总体样本均数是否存在差别。该方法有RA.Fisher首先提出,后来由GW.Snedecor完善,为了纪念Fisher,故称方差分析为F检验。
方差分析的基本思想,首先将总变异分为组间和组内变异,然后计算两者的F值。F值越大,说明组间差异大,处理起作用,反之,则不起作用,是由随机误差导致的。
离差平方和:是各项与平均项之差的平方的总和
设x是一个随机变量,令η=x-Ex, 则 称 η为x的离差.它反映了x与其数学期望Ex的偏离程度
![](https://i-blog.csdnimg.cn/blog_migrate/654891a9ba2a6af6f43e13015f9ee485.png)
DF - 每个来源的自由度。组内DF=n-m,组间DF=m-1,其中n为样本总数,m为组数
SSb - 组间离差平方和SSb(因子)
SSw - 组内离差平方和SSw(误差)
MS - 平方和除以自由度得出的均方。
F - 组间MS/组内MS;可以将此比率与在表中找到的临界 F 进行比较,或者可以使用 p 值来确定某个因子是否显著。
P - 用于确定某个因子是否显著;通常与 alpha 值 0.05 进行比较。如果 p 值低于 0.05,则该因子是显著的。
每个F表会标注一个显著性水平α,比如0.05或者0.01
α:显著性水平,一般输入0.05,即95%的置信度。
然后计算的F值与查表得到的F表值(有一个置信度)比较,如果
F < F表 表明两组数据没有显著差异;
F ≥ F表 表明两组数据存在显著差异
另外可通过P值确定是否假设成立:
P值的计算公式是
=2[1-Φ(z0)] 当被测假设H1为 p不等于p0时;
=1-Φ(z0) 当被测假设H1为 p大于p0时;
=Φ(z0) 当被测假设H1为 p小于p0时;
其中,Φ(z0)要查表得到.
z0=(x-n*p0)/(根号下(np0(1-p0)))
最后,当P值小于某个显著参数的时候(常用0.05,标记为α,给你出题那个人,可能混淆了这两个概念)我们就可以否定假设.反之,则不能否定假设.
注意,这里p0是那个缺少的假设满意度,而不是要求的P值.
没有p0就形不成假设检验,也就不存在P值
使用Excel来进行方差分析实例
![](https://i-blog.csdnimg.cn/blog_migrate/2092518ff1339d90fad56676f621a5e1.png)
数据输入完成以后,操作工具〉数据分析,选择数据分析工具对话框内的
单因素方差分析,出现如图3-2的对话框,对话框的内容如下:
1. 输入区域:选择分析数据所在区域,可以选择水平标志,针对图3-1
的数据进行分析时选取(绿色)和黄色区域。
2. 分组方式:提供列与行的选择,当同一水平的数据位于同一行时选
择行,位于同一列时选择列,本例选择行。
3. 如果在选取数据时包含了水平标志,则选择标志位于第一行,本例
选取。
4. α:显著性水平,一般输入0.05,即95%的置信度。
![](https://i-blog.csdnimg.cn/blog_migrate/3b182db294976109bbc9adde4ba35b5e.png)
5. 输出选项:按需求选择适当的分析结果存储位置。
按图3-2输入选项后,对图3-1的数据分析的结果如图3-3所示。
![](https://i-blog.csdnimg.cn/blog_migrate/9ca01d3f716510b9f3993669ddb7c5f2.png)