方差分析時方差不齊次怎麼辦?

2021-02-24 SPSS統計訓練營

各處理條件下樣本來自正態分布總體、樣本方差相同即方差齊次，這是方差分析兩個極其重要的前提條件。

此處最容易遇到的問題是：不滿足正態性，或者方差不齊時怎麼辦？

今天小兵給讀者夥伴們精選兩篇文章來解答這個問題。

真的！單因素方差分析你用錯了！

↑點擊上方文章標題，閱讀原文。這篇文章由精鼎統計微信公號原創發布，主要觀點如下：

（1）當資料不滿足正態性，由於單因素方法分析結果對資料不滿足正態性的情況並不敏感，仍推薦使用單因素方差分析，不推薦非參數檢驗（Kruskal-Wallis test）；

（2）當資料不滿足方差齊性，推薦採用Welch's ANOVA，不推薦非參數檢驗（Kruskal-Wallis test）。

（3）方差不齊的情況下，如何考察多重比較結果呢？文章的觀點是生物統計學家John H. McDonald推薦採用Games-Howell test來進行方差不齊情況下的兩兩比較。

原文中還有具體案例演示和說明，用心之作。

驚呆科研狗：方差不齊也能ANOVA

↑點擊上方文章標題，閱讀原文。這篇文章由一起學統計工具微信公號原創發布，主要觀點如下：

Welch分布和Brown-Forsythe分布均近似於F分布，採用Welch檢驗和Brown-Forsythe檢驗對方差齊性沒有要求，所以當因變量的分布不滿足方差齊性的要求時，採用這兩個檢驗比檢驗更穩健。

本號出品的在線學習視頻《SPSS統計分析：從入門到實踐提高》適合初學者入門學習，也適合有一定基礎的人員實踐提高，能滿足本科生、研究生、職場人員的學習及應用需求。

學SPSS入門容易提升難，選對課程找對人，視頻教學+案例實踐+實訓作業+一對一輔導，幫助您解決科研、商業實際問題。旨在讓讀者快速輕鬆入門，並通過案例實踐、上機實訓作業鞏固關鍵知識點，最終熟練掌握軟體工具、統計方法的實際應用。

相關焦點

  • Kruskal-Wallis檢驗:單因素方差分析的非參數方法
    3組以上數據均值有無差異，通常我們使用單因素方差分析來完成，前提是3組數據分別來自正態分布總體，且方差齊次，對於正態分布來說，可以不用過於嚴苛
  • Minitab學習 | Welch方差分析法(方差不相等時)
    MinitabUG、Minitab微課堂原創文章 問題背景 在藍寶書第三版的P153介紹了在做方差分析是，如果各個總體的方差不相等時，使用Welch方差分析法
  • 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。
  • 第八章 方差分析--第一節 方差分析的意義
    第八章　方差分析 第一節　方差分析的意義 　　在第七章我們已介紹了兩個樣本均數相比較的顯著性檢驗方法。如果相互比較的組超過兩個，為同時解決幾個均數的比較問題，通常使用方差分析法。
  • SPSS加權線性回歸案例實踐,解決異方差問題
    線性回歸時要求殘差方差齊次，通俗理解為所有的觀測數據在計算過程中具有相同的貢獻。但是實踐中有時候會出現殘差方差不齊的情況，此時普通最小二乘法不再適用。 通常來說，此類情況可以使用加權的最二乘法（WLS）擬合線性回歸模型。WLS會降低具有較大方差的觀測數據對分析過程的影響。
  • 單因素方差分析
    （一）單因素方差分析概念理解步驟　　是用來研究一個控制變量的不同水平是否對觀測變量產生了顯著影響。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。　　單因素方差分析的第一步是明確觀測變量和控制變量。例如，上述問題中的觀測變量分別是農作物產量、婦女生育率、工資收入；控制變量分別為施肥量、地區、學歷。　　單因素方差分析的第二步是剖析觀測變量的方差。
  • spss協方差分析
    什麼是協方差分析？協方差分析又稱「共變量分析」，是方差分析的引申和擴大。那麼分析男生和女生跑步後的心率差異怎麼做呢？直接使用跑步後的心率進行t檢驗，那麼得出的結果是不準確的，因為在跑步前男生和女生的心率就有一定的差異。所以需要一種方法消除跑步前心率的影響，那麼，此刻就要使用協變量分析。
  • 方差分析(ANOVA)原理
    問題或建議，請公眾號留言;內容目錄知識來源方差分析的簡介方差分析的基本原理知識來源簡書博客：https://www.jianshu.com/p/59cf0337c4d9統計基礎 | 方差分析的基本思想方差分析的簡介它的基本思想是將測量數據的總變異（即總方差）按照變異來源分為處理（組間）效應和誤差
  • 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)-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:ANOVA – 常數方差假設▶有兩種檢驗常數方差假設的方法▶當正態假設有效時,常使用Bartlett
  • 方差分析-最全
    下面只是個目錄，請點擊閱讀原文~方差分析（analysis of variation,簡寫為ANOVA）又稱變異數分析或F檢驗,用於兩個及兩個以上樣本均值差別的顯著性檢驗,從函數的形式看，方差分析和回歸都是廣義線性模型的特例，回歸分析lm()也能作方差分析。其目的是推斷兩組或多組數據的總體均值是否相同，檢驗兩個或多個樣本均值的差異是否有統計學意義。
  • 【學習記·第31期】單因素、雙因素方差分析VS協方差分析
    方差分析能夠解決t檢驗、z檢驗所無法解決的問題，對統計學和行為科學的發展起了巨大促進作用，因此方差分析的關鍵步驟檢驗以Fisher的名字命名，以紀念其對統計學所作出的傑出貢獻。方差分析的基本假定 學習方差分析之前我們首先要了解方差分析的假定條件。當前提條件滿足時，自變量均方和誤差均方的比值是呈分布的。
  • T檢驗、方差分析、卡方分析傻傻分不清?
    不同的是，T檢驗是研究兩組數據之間是否存在差異，即自變量X的組別僅僅為2組；方差分析x的組別可以是2組或多組；方差分析和T檢驗的因變量Y的定量的；卡方檢驗是一種分析定性數據差異性的方法，是一種通過頻數進行檢驗的方法，檢驗觀察頻數和期望頻數之間的差別，其x的組別可以為2組或多組。
  • 方差分析分類及SAS實現代碼
    方差分析為多樣本檢驗，其核心為假設檢驗，此外，方差分析還可以做多重比較。方差分析本身是一種假設檢驗，同時也是一種模型，是回歸模型的特例，回歸模型為線性模型，方差分析為一般線性模型。實際應用中方差分析單獨出現的可能性很小，一般在實驗設計場景用的較多，項目中用方差分析去支撐項目的情景基本不會出現。方差分析分類單因素方差分析單因素方差分析用來研究一個因素的不同水平對觀測所產生的影響，例如不同澆水量對家裡綠蘿生長的影響、不同的省的日照差異對人的壽命的影響、不同工作時長對人情緒的影響等等，以上皆可以使用單因素方差分析的方法進行探索分析。
  • 如何用Excel做方差分析
    幸運的是，我們不需要進行這樣繁雜的任務，而是可以使用其他一些統計工具。方差分析ANOVA就是其中的一種。方差分析的原假設是所有組的母體平均值全都相等，備擇假設是至少有一個組的平均值不同於其他組：顧名思義，方差分析就是我們分析數據中的方差。
  • 兩因素方差分析怎麼理解?
    文章來源： 丁點幫你作者：丁點helper看完單因素方差分析，一般的統計學中並不會直接講two-way（雙因素）方差分析，而是講「隨機區組設計的方差分析」，那這兩者有什麼關係嗎？從統計方法的角度來看，隨機區組設計的方差分析其實就屬於兩因素（或多因素）方差分析，一種說法認為，為什麼不直接叫兩因素，是因為不把「區組因素」算作一類真正的「因素」，而重點研究隨機分組因素。我們認為，實際稱雙因素方差分析可能更好理解。不過這裡稱作「隨機區組設計」，也是有其他特別的考慮。
  • 全流程總結方差分析,就靠它了!
    在得到聚類類別之後，通過方差分析去對比不同類別的差異，如果全部呈現出顯著性差異，以及研究人員結合專業知識可以對類別進行命名時，則說明聚類效果較好。而雙因素和多因素方差分析只有在實驗研究中才會使用，一般的問卷數據很少使用。本文將主要針對單因素方差分析說明。
  • 快速處理數據分析之協方差分析
    前兩篇文章，我們對雙因素方差分析以及事後比較做了較為詳細的說明。與一般的單因素方差分析相比，雙因素甚至多因素方差分析，更多的被用在實驗研究中。在實驗研究裡，還需要更多的考慮潛在的幹擾因素，比如「減肥方式」對於「減肥效果」的影響，年齡很可能是影響因素；同樣的減肥方式，但不同年齡的群體，減肥效果卻不一樣；年齡就屬於幹擾項，因此在分析的時候需要把它納入到考慮範疇中。如果方差分析時需要考慮幹擾項，此時就稱之為協方差分析，而幹擾項也稱著「協變量」。
  • SPSS方差分析方法與實例演練
    在數據分析過程中，為了進行兩組以上均數的比較，往往可以使用方差分析方法。那麼我們一起了解一下方差分析基本概念、 單因素方差分析、 多因素方差分析及協方差分析；同時在spss中的操作演練。方差分析的前提條件，即不同水平下，各總體均值服從方差相同的正態分布，因此方差分析問題就轉換成研究不同水平下各個總體的均值是否有顯著差異的問題。
  • 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。