F=3.4括號裡面的數字什麼意思?方差分析F檢驗結果如何解讀?

2020-11-23 騰訊網

我們在閱讀論文時,經常看到(方差分析)F檢驗的結果,比如F(3,19)=3.4,這是什麼意思?我們自己對照描述統計結果時,如何根據SPSS輸出的方差分析表,寫出F括號中的兩個數字?

這是本篇文章要解決的問題。

方差分析的思想

方差分析從名字上看強調「方差」,實際上它分析的是「均值」是否相等,而不是「方差」是否相等。它的思想是將Y的總變異分解為系統誤差和隨機誤差。所以方差分析是通過對數據誤差來源的分析從而判斷不同總體的均值是否相等。

數據的誤差用平方和來表示,總的平方和可以稱為是總方差。那麼總方差依據系統誤差和隨機誤差分解為組間方差與組內方差。

以最簡單的單因素方差分析為例,大家看看方差分析中涉及到的統計計算:

(via:百度文庫)

我在另外一篇文章中,也做了簡要的解釋,文章如下:

簡單理解起來,就是一句話,F統計量的計算是相應平方和除以對應的自由度。以前計算能力弱的時候(統計軟體沒有出現前),在F分布表上查找顯著性水平0.05和0.01的F統計量臨界值,從而判斷假設檢驗的結論。

F統計量結果的表達方式,即F(組間自由度,組內自由度)=具體數值。單因素方差分析中,(見上表)組間自由度為 r-1 ,組內自由度為 n-r ,其中r為因素的分組水平數,n為總樣本數。

單因素解讀舉例

上表為某單因素方差分析表結果,研究不同行業的投訴量有無差別(行業是否影響投訴量),行業因素有4個分類水平,數據的總樣本例23個。

表頭以下兩行數據分別代表組間方差(hy)和組內方差(Residuals)的計算結果。組間自由度 r-1 =4-1=3,組內自由度 n-r =23-4=19。F統計量不用查表了,統計軟體已經幫我搞定,F=3.407。

結果描述為:經方差分析,結果顯示F(3,19)=3.407,P=0.039<0.05,四個行業對消費者投訴量的影響差異具有統計學意義。

雙因素解讀舉例

上表為某雙因素方差分析表結果,研究工人和機器對產品產量的影響,工人因素分類水平4個,機器因素分類水平3個,數據的總樣本例12個。

工人因素的組間自由度為3,機器因素的組間自由度為2,兩個因素的組內誤差自由度為3*2=6。兩個因素的F統計量軟體已經計算到位,分別是6.985和29.102。

結果描述為:不同的工人對產量的影響有統計學意義,F(3,6)=6.985,P<0.05;不同的機器對產量的影響有統計學意義,F(2,6)=29.102,P<0.01。

以上為小兵給大家做出的解讀,歡迎讀者朋友閱讀和指正,有疑問請在文末留言評論。

全文完

文/圖=數據小兵

同類文章推薦

通知:本號推出的視頻課程即日起正式更名為《SPSS統計分析案例實踐與論文寫作》,將從設計理念上進行重大升級,在原有框架上陸續新增各大統計方法論文寫作要點,重點關注關鍵統計結果的解讀,以及統計表格製作、統計結論撰寫等內容。

小兵堅決不做殭屍課程,這門課將長期更新維護,提供一對一答疑,互動討論解決問題,強調一下,小兵給大家開發和維護服務的是網絡視頻課程,不是代做代分析(可以去淘寶),這是有本質區別的。

相關焦點

  • 回歸分析檢驗_回歸分析中f檢驗和t檢驗 - CSDN
    我們來看一下如何將協方差的定義同最小二乘回歸聯繫起來。偏差是正常小幅度波動引起的或者是建模錯誤,如何來判別?此時,可以利用卡方分布分析結果,排除可疑結果。不同的卡方檢驗使用不同的計算公式計算統計量,卡方檢驗都假設其使用的統計量服從卡方分布。對分類數據進行分析的統計方法主要是利用卡方分布,也被稱作卡方檢驗。
  • 常用數據分析方法:方差分析及實現!
    如何找到影響因素呢?就需要試驗, 方差分析就是根據試驗的結果進行分析, 鑑別各個有關因素對試驗結果影響程度的有效方法。而根據涉及到的因素個數的不同, 又可以把方差分析分為單因素方差分析、多因素方差分析等。
  • T檢驗與F檢驗,傻傻分不清楚?
    至於F-檢定,方差分析(或譯變異數分析,Analysis of Variance),它的原理大致也是上面說的,但它是透過檢視變量的方差而進行的。它主要用於:均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的交互作用、方差齊性(Equality of Variances)檢驗等情況。 4.
  • T檢驗與F檢驗,你分清楚嗎?
    至於F-檢定,方差分析(或譯變異數分析,Analysis of Variance),它的原理大致也是上面說的,但它是透過檢視變量的方差而進行的。它主要用於:均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的交互作用、方差齊性(Equality of Variances)檢驗等情況。 4.
  • 重複測量方差分析的操作教程及結果解讀
    重複測量數據的個體觀測值不完全獨立,數據間存在趨同性,如果採用獨立數據的統計推斷方法(如t檢驗、方差分析)進行分析,往往會增大Ⅰ類錯誤發生的概率,容易使本來無統計學意義的結果變成了有統計學意義。事實上,這種情況在審稿中甚至在已發表的文章中都不算少見。
  • 理解 t 檢驗與 F 檢驗的區別
    至於F-檢定,方差分析(或譯變異數分析,Analysis of Variance),它的原理大致也是上面說的,但它是透過檢視變量的方差而進行的。它主要用於:均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的交互作用、方差齊性(Equality of Variances)檢驗等情況。
  • f檢驗的p值大於 - CSDN
    反之,如果方差齊性檢驗「有顯著差異」,即兩方差不齊(Unequal Variances),故接著的t檢驗的結果表中要看第二排的數據,亦即方差不齊的情況下的t檢驗的結果。4.你做的是T檢驗,為什麼會有F值呢?
  • f檢驗求p值 - CSDN
    反之,如果方差齊性檢驗「有顯著差異」,即兩方差不齊(Unequal Variances),故接著的t檢驗的結果表中要看第二排的數據,亦即方差不齊的情況下的t檢驗的結果。4.你做的是T檢驗,為什麼會有F值呢?
  • 卡方檢驗,T檢驗和F檢驗
    例如:在番茄中以純合的紫莖、缺刻葉植株(AACC)與純合的綠莖、馬鈴薯葉植株(aacc)雜交,F2得到454個植株,其中4種表型的計數分別為:紫莖缺刻葉247、紫莖馬鈴薯葉90、綠莖缺刻葉83、綠莖馬鈴薯葉34。判斷該實驗結果是否符合孟德爾的9:3:3:1的理論比率,可以用卡方檢驗。
  • 統計學常用概念|T檢驗、F檢驗、卡方檢驗、P值、自由度
    4,T檢驗和F檢驗的關係t檢驗過程,是對兩樣本均數(mean)差別的顯著性進行檢驗。惟t檢驗須知道兩個總體的方差(Variances)是否相等;t檢驗值的計算會因 方差是否相等而有所不同。也就是說,t檢驗須視乎方差齊性(Equality of Variances)結果。
  • 什麼是f檢驗 - CSDN
    方差檢驗例子:冰淇凌老闆想知道三種口味的冰淇凌的銷售情況是否一樣,他有如下的數據巧克力味草莓味原味233234321233343344等等等F檢驗又叫方差齊性檢驗,目的是判斷兩個樣本的總體方差是否相等,計算雙總體樣本檢驗的前提條件。
  • 統計與數據科學方差分析簡介(以疫情為例)
    對.的認識T檢驗和假設檢驗將是一個額外的好處。什麼是ANOVA測試?方差分析(ANOVA)可以看作是2組以上t檢驗的推廣。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。
  • 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。
  • 如何用Excel做方差分析
    其結果如下圖所示F統計量的值F為3.467.我們將這個值與右尾臨界值(F單尾臨界)相比較,F單尾臨界值為3.607。由於其小於單尾臨界,所以,我們不能拒絕原假設並推斷相互之間的方差不存在明顯的差異。注意,p值P(F<=f)單尾=0.0286,雖然顯著性水平為0.05,要記住的是,我們必須把這個與α/2=0.025進行比較,因為我們只使用了右尾信息。
  • 回歸模型中f檢驗公式 - CSDN
    結果出現8次正面。       b、查詢二項分布表,單側p值【8,9,10】            p(8/9/10)=0.05      這個結果怎麼解讀?2.4、t分布   以上我們求出了t值,那麼如何知道t值對應的p值?
  • 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。
  • T檢驗、Z檢驗與ANOVA方差分析的應用比較
    Z檢驗和T檢驗的區別是什麼?Z檢驗用於方差已知的情況,T檢驗用於方差未知的情況。那麼,在現實中的大部分情況下,方差已知還是未知呢?大部分情況下方差是未知的,所以,第一個問題應該用T檢驗。總之,T檢驗和Z檢驗用於單因素雙樣本均值檢驗,T檢驗用於方差未知的情況,Z檢驗用於方差已知的情況。
  • 通俗理解T檢驗與F檢驗的區別
    至於F-檢定,方差分析(或譯變異數分析,Analysis of Variance),它的原理大致也是上面說的,但它是透過檢視變量的方差而進行的。它主要用於:均數差別的顯著性檢驗、分離各有關因素並估計其對總變異的作用、分析因素間的交互作用、方差齊性(Equality of Variances)檢驗等情況。
  • 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
  • 一元回歸t檢驗與f檢驗_多元回歸模型的r檢驗f檢驗與t檢驗 - CSDN
    因此,作為自變量的因素與作為因變量的預測對象是否有關,相關程度如何,以及判斷這種相關程度的把握性多大,就成為進行回歸分析必須要解決的問題。進行相關分析,一般要求出相關關係,以相關係數的大小來判斷自變量和因變量的相關的程度。