方差分析ANOVA及多重比较

一、方差分析ANOVA

方差分析(Analysis of Variance,简称ANOVA),又称“变异数分析”,是R.A.Fisher发明的,用于两个及两个以上样本均数差别的显著性检验。方差分析是建立在三项假定的基础上进行的:
(1) 样本数据符合正态分布;
(2) 样本数据满足方差齐性要求;
(3)数据相互独立。
one way ANOVA就是有一个变量,two way就是有两个变量

1.one-way ANOVA独立样本单因子变异数分析(one-way ANOVA, independent samples)

使用目的:比较三个(含)以上的平均数的差异。
使用时机:用在三个(含)互为独立的母群的差异比较。

2.two-way ANOVA独立样本二因子变异数分析(two-way ANOVA, independent samples)

使用目的:了解两个自变项(或属性变项、类别变项)对于某个依变项(观察变项)交互作用的影响。

使用时机:当有两个因子时,且这两个因子互为独立,若要了解其对某个观察变项有何交互作用的影响时,可使用此项统计方法。例子:想要了解 A、B 两种药品在使用不同的剂量(轻、重)时对於治疗高血压是否有交互作用影响。

双因素方差分析(Two-way ANOVA)有两种类型:
一个是无交互作用的双因素方差分析;
另一个是\color{red} {有交互作用的双因素方差分析},它假定因素A和因素B的结合会产生出一种新的效应。
例如,在实验中处理组有加A处理,加B处理及A+B处理,这时就要用Two-way ANOVA

二、方差分析后的多重比较(multiple comparisons)

源自网络(参考资料1)

基于t检验:LSD法、Sidak法、Bonferroni法、Dunnett法、
Tukey法、SNK 法(对Tukey法的修正)、Duncan法

LSD法:least significant difference 最小显著差异法,指定两组间比较的t检验,此方法跟分别对两组间用t检验的区别是要用总体的标准差(即Within MS)代替两组的标准差进行t统计量的计算。

Dunnett法
Dunnett法检验统计量为td,故又称为Dunnett-t检验,实际上该方法的计算与LSD法相同,但是LSD法临界值表基于t分布,而该方法有特殊的临界值表 ,通常用于多个实验组和一个对照组均数的比较。

Tukey-Kramer Test:
Turkey的HSD (Honestly significant difference)是基于学生化极差的成对比较。其思想和LSD方法类似,通过计算HSD统计量,如果两组均数的差异大于该极差,认为差异是显著的,因此拒绝零假设,认为两组均数不同。从HSD公式上看,Tukey法较LSD法保守,即较LSD不易发现显著差异。Tukey法要求比较的样本容量相差不大,一般用于样本容量相同的组之间均数的比较。
SNK 法
Newman–Keuls 或者 Student–Newman–Keuls,属于复极差法(multiple range test),也称为q检验。该方法是对Tukey法的修正,也用的是学生化极差统计量。但是与Tukey法所不同的是,该方法在计算临界值时考虑了两样本均数排序的步长。因而不同步长的两个样本均数的比较使用不同的q临界值。

参考资料:
1.https://blog.csdn.net/huangguohui_123/article/details/103966000
2.https://blog.csdn.net/linkequa/article/details/84248536
3.https://www.real-statistics.com/one-way-analysis-of-variance-anova/unplanned-comparisons/tukey-kramer-test/
4.https://wenku.baidu.com/view/9630cf3bad45b307e87101f69e3143323968f522.html

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 196,264评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 82,549评论 2 373
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 143,389评论 0 325
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,616评论 1 267
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,461评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,351评论 1 273
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,776评论 3 387
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,414评论 0 255
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,722评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,760评论 2 314
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,537评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,381评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,787评论 3 300
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,030评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,304评论 1 252
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,734评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,943评论 2 336

推荐阅读更多精彩内容