最直觀的方差分析(ANOVA) 術語大全

2021-01-14 科研日記

本文是作者在看《R語言實戰》一書時總結。基礎概念非常清晰明了,有豁然開朗之感。

文章來源:https://zhuanlan.zhihu.com/p/113148022

1. 方差分析ANOVA

詞意:analysis of variance,取單詞的前兩個字母組合而成。

2. 方差分析的統計學分析基礎是F分布。

提出一個案例來展開概念:為測試兩個治療方法,對焦慮症的治療效果,招募了十個有焦慮症的志願者來做實驗。這兩個療法分別是:認知行為療法(CBT,cognitive behavior therapy)、動眼脫敏再加工法(EMDR,eye movement desensitization and reprocessing)。最後使用一種狀態特質焦慮問卷(STAI)的打分方法來評估患者的焦慮程度。

3. 單因素方差分析: One-way ANOVA:

3. 1 針對療法的one-way ANOVA(組間單因素方差分析) 如果將這十個人分成兩組,每組五個人分別使CBT和EMDR療法,那麼經過5周後,進行評估患者的焦慮程度在兩種療法的小組間是否有統計意義上的差異,即為針對兩個療法效果的one-way ANOVA。因此測試者被分為了兩個小組,也稱作組間的one-way ANOVA,即one-way between-groups ANOVA。分組如下:



3.2 針對不同治療時間的One-way ANOVA(組內的單因素方差分析)

在以上的基礎上,還可以僅僅針對某一種療法,如CBT療法,探究其不同的治療時間,如五周和六個月,對焦慮症的效果是否有統計學上的差異。即對某一種療法不同治療時間的效果的one-way ANOVA。因為所有的測試者都在一個小組,所涉及的自變量僅僅是治療時間,而時間是整個小組共享的,因此又被稱為組內的one-way ANOVA, 即one-way within-groups ANOVA。分組如下:



3.2.2 重複測量方差分析:repeated measures ANOVA

接上部分,在針對治療時間的One-way ANOVA中,所有被測試者在一個小組,並且被測量了兩次,因此這時也叫做重複測量方差分析。

4. 兩因素方差分析: two-way ANOVA

將十個人分成兩組,分別施用兩種療法,並分別在兩個時間段進行測量。那麼就可以評價療法的效果、治療時間的效果和二者交互作用的效果,其對焦慮症的治療是否有統計學上的意義。前兩者稱為主效應,交互作用就稱為交互效應。分組如下:



針對不同的療法(組間)和治療時間(組內)的效果是否分別有顯著差異的方差分析稱為two-way ANOVA。更具體來說,此時涉及到了組間、組內和交互效應,方差分析又稱為兩因素混合模型方差分析,即two-way mixed-model factorial ANOVA。

5. 協變量方差分析:analysis of covariance, ANCOVA

通常焦慮症和抑鬱症存在密切的聯繫,焦慮症的患者往往具有不同程度的抑鬱症,不同的抑鬱症的情況可能對最後的治療效果產生很大的影響,從而幹擾了本研究中的治療方法、治療時間的效果。假設招募患者時就對其抑鬱症就行了檢測,記錄了他們的抑鬱水平,那麼就可以在評測療法類型的影響前,對任何抑鬱水平的組間差異進行統計性調整。此時加入了初始的抑鬱症情況,被稱為協變量,這時候的方差分析叫做協方差分析,即ANCOVA。

6. 多元方差分析: multivariate analysis of variance,MANOVA

本來只採用了一個因變量來衡量焦慮症的治療效果,即狀態特質焦慮問卷(STAI),如果又增加了其他衡量手段,來評價治療後的焦慮症情況,此時有多個因變量,就稱為多元方差分析,即MANOVA。

7. 多元協方差分析:multivariate analysis of covariance,MANCOVA

在最開始測量了抑鬱症的情況,即加入了協變量,又利用多個因變量來衡量治療的效果,稱為多元協方差分析。

8. 總結

雖然方差分析與回歸分析各自發展,但二者都被認為是廣義線性模型的特例。


相關焦點

  • 常用數據分析方法:方差分析及實現!
    方差分析是一種常用的數據分析方法,其目的是通過數據分析找出對該事物有顯著影響的因素、各因素之間的交互作用及顯著影響因素的最佳水平等。本文介紹了方差分析的基礎概念,詳細講解了單因素方差分析、雙因素方差分析的原理,並且給出了它們的python實踐代碼。
  • 對方差分析(ANOVA)的直觀解釋及計算
    寫這篇文章就是希望能給ANOVA一個通俗的解釋,讓即便是非數學,非統計出身的同學們也能直觀的理解他。 本文將主要講單因素方差分析(one-way ANOVA),以後再慢慢講多因素和其他。 首先來說說我們為什麼要用ANOVA。在做一些實驗時,我們通常會把樣本分成不同的組,給予不同的對待。例如,我們想研究某種藥物在不同劑量下對人們的作用。
  • SPSS——單因素方差分析
    單因素方差分析(one way anova),是一種較為常用的方差分析手段,主要目的是為了尋找多組數據總變異的真實來源,判斷總變異是來自於組內變異(Vin),還是來自於組間變異(Vbetween)。單因素方差分析的檢驗統計量F=Vbetween/Vin,表示組間變異與組內變異的比值。
  • 方差分析(ANOVA)原理
    方差分析(ANOVA)原理微信公眾號:生信小知識關注可了解更多的教程及單細胞知識。
  • 方差分析 (ANOVA)-29
    單個因素的 ANOVA▶單向方差分析(ANOVA)是比較兩組以上數據均值的差異的統計方法▶假設性檢驗為:▶如果有的話,我們如何確定4個地毯中哪個最耐用?▶每個樣本都在安裝30天後加以測試.▶在這一實驗中你還應注意到什麼?▶耐用度的衡量值越高越好
  • python 檢驗方差齊性 - CSDN
    之前已經介紹的變量分析:①相關分析:一個連續變量與一個連續變量間的關係。②雙樣本t檢驗:一個二分分類變量與一個連續變量間的關係。本次介紹:方差分析:一個多分類分類變量與一個連續變量間的關係。其中分類個數大於兩個,分類變量也可以有多個。
  • 方差分析(ANOVA)全總結
    方差分析(Analysis of Variance,簡稱ANOVA),又稱「變異數分析, 分散分析,분산분석」,是由R.A.Fisher發明,用於兩個及兩個以上樣本均數差別的顯著性檢驗
  • 單因素方差分析(one-way ANOVA)
    這裡,由於僅研究單個因素對觀測變量的影響,因此稱為單因素方差分析。 例如,分析不同施肥量是否給農作物產量帶來顯著影響,考察地區差異是否影響婦女的生育率,研究學歷對工資收入的影響等。這些問題都可以通過單因素方差分析得到答案。
  • Excel四因素二水平正交實驗方差分析直觀分析極差分析
    正交實驗方差分析,研究多因素多水平的一種設計方法,它是根據正交性從全面試驗中挑選出部分有代表性的點進行試驗,這些有代表性的點具備了「均勻分散,齊整可比」的特點,正交試驗設計是分式析因設計的主要方法,是一種高效率、快速、經濟的實驗設計方法。
  • 方差分析常見問題匯總,你想知道的都在這裡
    本文以SPSSAU系統為例,針對方差分析的常見問題進行匯總說明。關於方差分析的分析思路及相關操作可閱讀連結文章:SPSSAU:全流程總結方差分析,只看這篇就夠了。①問題一:t檢驗與方差分析的區別?t檢驗只能進行兩組之間的比較,當分析項X組別超過兩組時,應使用方差分析。②問題二:方差分析是否需要滿足正態性?方差檢驗一般需要進行正態性檢驗,但方差檢驗對數據的正態性的有一定的耐受能力,只要數據近似正態即可接受。如果數據嚴重不正態,則可使用非參數檢驗。
  • SPSS之單因素方差分析ANOVA
    方差分析是對多個(兩個以上)處理平均數進行假設檢驗的方法。單因素是指該實驗中只有一個實驗因素,而單因素方差分析則是用來判斷這一實驗因素對各處理的優劣情況。簡單而言,如果實驗只有一種影響因素,但又有多個不同的處理水平,最後得到的數據就可以用單因素方差分析來分析數據。在方差分析的體系中,單因素方差分析,即F測驗通過對數據差異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別,可用於檢測某項變異因素的效應或方差是否存在。F越大,說明組間方差是主要方差來源,處理的影響越顯著;F越小,越說明隨機方差是主要的方差來源,處理的影響越不顯著。
  • SPSS超詳細教程:雙因素方差分析(Two-way ANOVA)
    因為沒有可以替代雙因素方差分析的非參數檢驗方法,我們只能對比數據轉換前後的模型,判斷直接採用雙因素方差分析是否合理;  (4) 選擇更穩健的雙因素方差模型。  3.2.4 假設6:任一分類都具有等方差性  任一分類都具有等方差性是雙因素方差分析的基本假設,可以通過Levene方差齊性檢驗完成。
  • 統計與數據科學方差分析簡介(以疫情為例)
    方差分析公式F統計量(也稱為F比)的結果允許對多組數據進行分析,以確定樣本之間和樣本內部的差異。必須指出的是,方差分析對違反獨立假設的情況並不是很好。這就是說,即使你違反了同質性或正態性的假設,你也可以進行測試,基本上相信調查結果。但是,如果違反了獨立性假設,則方差分析的結果是無效的。通常,如果您有相同大小的組,則如果違反同質性,則該分析被認為是可靠的。
  • 【實例講解】雙因素方差分析(Two-way Anova)
    (One-way Anova),但是在實際應用中我們可能經常會遇到兩個因素一起研究的情況,這就要用到雙因素方差分析(Two-way Anova)。【實例講解】單因素方差分析(One-way Anova)
  • 【科研加油站】SPSS操作之雙因素方差分析(Two-way ANOVA)
    上一期我們討論了單因素方差分析,本期「科研加油站」欄目,我們一起來探討雙因素方差分析(Two-way ANOVA)。>與其他方差分析一樣,雙因素方差分析對異常值非常敏感。因為沒有可以替代雙因素方差分析的非參數檢驗方法,我們只能對比數據轉換前後的模型,判斷直接採用雙因素方差分析是否合理;(4) 選擇更穩健的雙因素方差模型。
  • T檢驗、Z檢驗與ANOVA方差分析的應用比較
    關鍵來了:¢Z檢驗-方差已知的均值檢驗,考慮一個因素的影響,原假設H0:X1=X0(單樣本檢驗)或 H0:X1=X2(雙樣本檢驗)。¢T檢驗-方差未知的均值檢驗,考慮一個因素的影響,原假設X1=X0(單樣本檢驗)或H0:X1=X2¢ANOVA分析-分析不同因素的影響,用於兩個及兩個以上樣本均值差別的顯著性檢驗。
  • 從協方差分析看回歸與方差分析的聯繫
    納入協變量的方差分析,即稱協方差分析。一般而言,進行協方差分析的協變量為「定量變量」,比如本例中的「人均月收入」,它一般不是研究者重點研究的變量(本例中重點研究的是教育程度和性別),但因為它會對分析結果造成幹擾,因此在分析過程中必須要將其納入。
  • Stata第九章 多因素方差分析命令與輸出結果說明
    本節STATA命令摘要:anova  觀察變量 分組變量1  分組變量2… 分組變量mtabulate 分組變量1 分組變量2,summarize(觀察變量) 在anova命令中分組變量可以是其它分組變量的乘積表達式,如:分組變量1*分組變量2。
  • 教學視頻| 單因素方差分析(one-way ANOVA)及SPSS操作
    單因素方差分析(one-way ANOVA)也稱為F檢驗,是通過對數據變異的分析來推斷兩個或多個樣本均數所代表的總體均數是否有差別的一種統計推斷方法
  • R繪圖應用實例:單因素方差分析ANOVA及繪圖
    本文主要是利用日常實驗數據,嘗試用R進行單因素方差分析並繪製柱形圖。