分析方法學檢驗

1. spss分析方法-T檢驗

t檢驗，也稱student t檢驗（Student's t test），主要用於樣本含量較小（例如n < 30），總體標准差σ未知的正態分布。t檢驗是用t分布理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。它與f檢驗、卡方檢驗並列。t檢驗是戈斯特為了觀測釀酒質量而發明的，並於1908年在Biometrika上公布。

下面我們主要從下面四個方面來解說：

實際應用

理論思想

操作過程

分析結果

一、實際應用

  在統計分析中，要檢驗兩個相關的樣本是否來自具有相同均值的總體；或者檢驗兩個有聯系的正態總體的均值是否有顯著差異等。例如醫學界研究一種葯物對某種疾病的療效；學生性別對身高的影響；一種化學葯劑對作物害蟲的殺蟲效果等。T檢驗的主要用途：

單樣本檢驗：檢驗一個正態分布的總體的均值是否在滿足零假設的值之內

雙樣本檢驗：其零假設為兩個正態分布的總體的均值是相同的。

這一檢驗通常被稱為學生t檢驗。但更為嚴格地說，只有兩個總體的方差是相等的情況下，才稱為學生t檢驗；否則，有時被稱為Welch檢驗。

檢驗同一統計量的兩次測量值之間的差異是否為零。

檢驗一條回歸線的斜率是否顯著不為零。

二、理論思想

  T檢驗是一種處理2個總體間計量變數比較方法， 用 t 分布理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。

T檢驗有3種類型：

單樣本 T 檢驗

檢驗一個樣本平均數與一個已知的總體平均數的差異是否顯著。

獨立樣本 T 檢驗

檢驗兩個樣本平均數與其各自所代表的總體的差異是否顯著。兩個樣本組之間毫無相關存在，即為獨立樣本。

配對樣本 T 檢驗

檢驗兩個樣本平均數與其各自所代表的總體的差異是否顯著。兩個樣本組之間存在相關，即為非獨立樣本。

三、操作過程

T檢驗的數據條件：

來自正態分布總體。

隨機樣本。

方差齊性。 均數比較時，要求兩樣本總體方差相等，即滿足方差齊性。 如果不滿足這些條件，可以採用校正的 t 檢驗，或者換用非參數檢驗代替 t 檢驗進行兩組間均值的比較。

獨立樣本 T 檢驗案例：

題目：甲、乙兩所學校各40名高三學生的高考數學成績。試用獨立樣本T檢驗方法研究兩所學校被調查的高三學生的高考數學成績之間有無明顯的差別。

一、數答配據輸入

二、操作步驟

1.進入SPSS，打開相關數據文件，選擇「分析」|「比較平均值」|「獨立樣本T檢驗」命令

2.選擇進行獨立樣本T檢驗的變數。在「獨立樣本T檢驗」對話框的左側列表框中，選擇「高考數學成績」進入「檢驗變數」列表框。

3.選擇分組變數。在「獨立樣本T檢驗」對話框的左側列表框中，選擇「學校」進入「分組變數」列表框。然後單擊「定義組」按鈕，其中「組1」「組2」分別表示第一、二組類別變數的取值。在「組1」中輸入1，在「組2」中輸入2。

4.置信區間和缺失值的處理方法。單擊「獨立樣本T檢驗」對話備舉簡框中的「選項」按鈕，在「置信區間百分比」文本框中輸入「95」，即設置顯著性水平為5%。在「缺失值」選項組中選中「按具體分析排除個案」單選按鈕，單擊「繼續」按鈕，返回「獨立樣本T檢驗」對話框。

5.其餘設置採用系統默認值即可

6.單擊「確定」按鈕，等待輸出結果。

四、結果分析

1. 數據仿褲基本統計量表參與分析的樣本中，甲組的樣本容量是40，樣本平均值是119.95，標准差是12.249，標准誤差平均值是1.937；乙組的樣本平均值是132.65，標准差是11.263，標准誤差平均值是1.781。

2.獨立樣本T檢驗結果表F統計量的值是0.652，對應的置信水平是0.422，說明兩樣本方差之間不存在顯著差別，採用的方法是兩樣本等方差T檢驗。T統計量的值是-4.827，自由度是78，95%的置信區間是（-17.938，-7.462），臨界置信水平為0.000，遠小於5%，說明兩所學校被調查的高三學生的高考數學成績之間有著明顯的差別。

分析結論：

綜上所述，T檢驗檢驗結果拒絕原假設，說明兩所學校被調查的高三學生的高考數學成績之間有著明顯的差別。

（獲取更多知識，前往wx 公z號 程式解說）

原文來自https://mp.weixin.qq.com/s/3Z6O7Mf8M06M4r5CbGeCUw

2. 統計學檢驗方法有哪些

統計學檢驗方法如下：

一、正態性檢驗

正態性特質是很多分析方法的基礎前提，如果不滿足正態性特質，則應該選擇其它的分析方法，因銷悶此在做某些分析時，需要先進行正態性檢驗。如果樣本量大於50，則應該使用Kolmogorov-Smirnov檢驗結果，反之則使用Shapro-Wilk檢驗的結果。

常見的分析方法正態性特質要求歸納如下表（包括分析方法，以及需要滿足正態性的分析項，如果不滿足時應該使用的分析方法）。

三、相關性檢驗

相關分析是一種簡單易行的測量定量數據之間的關系情況的分析凱斗彎方法。可以分析包括變數間的關系情況以及關系強弱程度等。相關系數常見有三類，分別是：Pearson相關系數。Spearman等級相關系數。Kendall相關系數。

三種相關系數最常使用盯悶的是Pearson相關系數；當數據不滿足正態性時，則使用Spearman相關系數，Kendall相關系數用於判斷數據一致性，比如裁判打分。

3. 檢驗一個新的分析方法是否正確,可以採用哪些方法

分析方法，是指實驗室對樣品進行分析檢驗的依據。其中以科學、技術、實踐經驗和綜合成果為基礎，經有關方面協商一致，由主管機構批准，以特定形式發布，作為共同遵守的准則和依據的分析方法稱為標准方法，或稱方法標准。標准方法在技術上並不一定是最先進的，准確度也可能不是最高的，而是在一般條件下簡便易行

4. spss分析方法-卡方檢驗

參數檢驗的前提是 關於總體分布的假設成立 ，但很多情況下我們無法獲得有關總體分布的相關信息。

非參數檢驗正是一類基於這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數據對總體分布形態等進行推斷的方法。

卡方檢驗是一種用於 判斷樣本是否來自於特定分布的總體 的 非參數檢驗 方法，其根據樣本的頻數來推斷總體分布與理論分布是否有顯著差異。

下面我們主要從下面四個方面來解說：

實際應用

理論思想

操作過程

分析結果

一、實際應用

例如抽取某學校的學生的數據，推斷性別比例是否4：6；醫學家在研究心臟病人猝死人數與日期的關系時發現：一周之中，星期一心臟病人猝死者較多，其他日子則基本相當。當天的比例近似為2.8：1：1：1：1：1：1。現收集到心臟病人死亡日期的樣本數據，推斷其總體分布是否與上述理論分布相吻合。

二、理論思想

卡方檢驗方法可以根據樣本數據，推斷總體分布與期望分布或某一理論分布是否存在顯著差異，是一種吻合性檢驗，通常適於對有多項分類值的總體分布的分析。H0原假設是： 樣本來自的總體分布與期望分布或某一理論分布無差異 。

三、操作過程

卡方檢驗的數據條件：

條件寬松、對樣本數據要求較低、計算相對簡單

卡方檢驗案例：

題目：隨機抽取的100名山東省某地區新出生嬰兒的性別情況。試用卡方檢驗方法研究該地區新出生嬰兒的男女比例是否存在明顯的差別。

一、數據輸入

二、操作步驟

1.進入SPSS，打開相關數據文件，選擇「分析」「|非參數檢驗」「|舊對話框」|「卡方」命令

2.選擇進行卡方檢驗的變數。在「卡方檢驗」對話框的左側列表框中，選擇「性別」進入「檢驗變數列表」列表框。

3.設置期望范圍和期望值。在「卡方檢驗」對話框內的「期望范圍」選項組中，選中「從數據中獲取」單選按鈕，也就是根據數據本身的最大值和最小值來確定檢驗值范圍；在「期望值」選項組中，選中「所有類別相等」單選按鈕，因為本例中各類別的構成比相同。

4.設定卡方檢驗的計算方法。單擊「卡方檢驗」對話框中的「精確」按鈕，選中「僅漸進法」單選按鈕，單擊「繼續」按鈕返回「卡方檢驗」對話框。

選擇相關統計量的輸出和缺失值的處理方法。

5.單擊「卡方檢驗」對話框中的「選項」按鈕，在「統計」選項組中選中「描述」復選框，也就是輸出變數的描述性統計量，包括平均值、標准差、最大值、最小值等；在「缺失值」選項組中選中「按檢驗排除個案」單選按鈕，即排除掉含有缺失值的記錄後再進行卡方檢驗。設置完畢後，單擊「繼續」按鈕返回「卡方檢驗」對話框。

6.其餘設置採用系統默認值即可。

7.單擊「確定」按鈕，等待輸出結果。

四、結果分析

1.   描述性統計量表接受檢驗的樣本共100個，樣本平均值是1.49，標准差是0.502，最小值是1，最大值是2。

2.  卡方檢驗頻數表參與檢驗的男性嬰兒共51個，女性嬰兒共49個，期望數都是50.0，殘差分別是1.0和-1.0。

3.   卡方檢驗統計量表卡方值是0.040，自由度是1，漸近顯著性水平為0.841，遠大於0.05，檢驗結果接受原假設。

分析結論：

綜上所述，通過卡方檢驗，該地區新出生嬰兒的男女比例沒有明顯的差別。

（獲取更多知識，前往前往我的wx ————公z號 （程式解說）

原文來自https://mp.weixin.qq.com/s/4HW9cWF96yG7GKre5OFNHQ

5. 統計學常用數據分析方法（二）推斷統計&參數檢驗

01

推論統計

推論統計是統計學中研究年份較為短的一部分內容。

推論統計主要以結果為依據，來證明或推翻某個命題也就是通過分析樣本與樣本分布的差異從而去估算樣本與總體、同一樣本的前後兩次的差異、樣本與樣本的差異、總體與總體的差異是否具有顯著性差異。

舉個例子，我們想研究教育背景是否會影響人的收入。然後我們可以找1000名30歲大學畢業生和1000名30歲初中畢業生。採集他們的工作以及收入情況。用推論統計方法進行數據處理，最後會得出類似這樣兒的結論：「研究發現，大學畢業生組的收入顯著高於初中畢業生組的收入，二者在0.01水平上具有顯著性差異，說明大學畢業生的一些收入情況優於中學畢業生組，也就是學歷會影響收入。」

02

正態性檢 驗

很多統計方法的前提條件是數值服從或近似服從正態分布，所以在進行數據分析之前需要進行正態性檢驗。

常用方法：非參數檢驗的K-量檢驗、P-P圖、Q-Q圖、W檢驗、動差法。

03

參數檢驗

已知總體分布的條件下（一般要求總體服從正態分布）對一些主要的參數(如均值、百分數、方差、相關系數等）進行的檢驗叫做參數檢驗。

Z檢驗：使用條件：當樣本含量n較大時，樣本值符合正態分布

T檢驗：使用條件：當樣本含量n較小時，樣本值符合正態分布

單樣本t檢驗：想知道來自總體的一個樣本均值μ與已知的某一總體均數μ0 (常為理論值或標准值)有無差別；

配對樣本t檢驗：當總體均值未知時，並且兩個樣本可以配對，同對中的兩者一一對應，對於處理效果的各種條件方面扱為相似；

兩獨立樣本t檢驗：利用兩個總體的獨立樣本，通過推斷兩個總體的均值是否存在顯著性差異；兩獨立樣本的樣本容量可以相等，也可以不相等。

04

非參數檢驗

非參數檢驗則不考慮總體分布是否已知，常常也不是針對總體參數，而是針對總體的某些一般性假設（如總體分布的位罝是否相同，總體分布是否正態）進行檢驗。

主要方法包括：卡方檢驗、秩和檢驗、二項檢驗、遊程檢驗、K-量檢驗等。

6. 葯品檢驗時，有哪些常用分析方法

1、重量分析法：

重量分析法是葯物分析檢測中化學分析的基礎方法，指的是稱取一定重量的試樣，用適當的方法將被測組分與試樣中其他組分分離後，轉化成一定的稱量形式，稱重，從而求得該組分含量的方法。

2、酸鹼滴定法：

酸鹼滴定法在葯品分析檢測中的應用十分廣泛，是將一種已知其准確濃度的試劑溶液滴加到被測物質的溶液中，直到化學反應完全時為止，然後根據所用試劑溶液的濃度和體積可以求得被測組分的含量。

3、PH值測定方法：

pH值是溶液中氫離子活度的負對數，用來表示溶液的酸度。用於pH值測定的裝置稱為pH計或酸度計，酸度計由pH測量電池和pH指示器兩部分組成。

4、光譜技術：

光譜技術的主要原理就是可以通過不同的頻率對其要檢測的葯物進行輻射，在一定范圍中的頻率被一些物質接受的時候就會出現振動以及轉動的狀況。

5、化學發光技術：

在葯物分析檢測中，化學發光法是一種較為常見的技術方式，其主要就是基於化學檢測系統中相關檢測物的濃度以及體系的化學發光強度在特定狀況之下呈線性定量關系的原理，通過儀器對整個體系的化學發光強度進行檢測，確定待檢測的實際含量的方式就是一種痕量分析方法。

6、色譜法：

色譜法又稱為「色譜分析」、「色譜分析法」、「層析法」，是一種分離以及分析的方式與手段。它主要就是通過不同的物質在不同的相態之下對其進行有選擇的分配，通過流動相對固定相中存在的混合物進行洗脫操作，而在混合物中存在的不同物質會則會通過不同的速度基於固定相進行移動，進而實現分離的最終效果。

7、電泳法：

電泳法是生物技術及生化葯物分析的重要手段之一，具有靈敏度高、重現性好、檢測范圍廣、操作簡便並兼備分離、鑒定、分析等優點。

8、DNA擴增法：

DNA擴增技術屬於PCR技術，可以把試管中的DNA樣品的片段進行拓展，達到上百萬倍左右，可以通過肉眼直接對其進行觀察。

綜上，葯品質量的優劣關系著人民的用葯和身體健康，為了保證葯品的質量，應嚴格按照葯品質量標准進行葯物分析檢測，為葯品能否流通上市和提供用葯提供依據。

7. 葯品檢驗有哪些化學分析方法及這些方法分別適用對象

葯學專業主要課程：馬克思主義基本原理、思想道德修養、法律基礎、大學英語、高等數學、醫用物理學、計算機基礎、形態學概論、生理學、細胞生物學、分子生物學、醫學免疫學、病理生理學、醫學微生物學、無機化學、有機化學、生物化學、定量分析、儀器分析、物理化學、基礎化學實驗、葯物化學、天然葯物化學、葯劑學、葯物分析、葯理學、毒理學基礎、葯物的波譜解析、葯事管理學、專業技能實驗等。

8. spss分析方法-兩個關聯樣本檢驗（轉載）

參數檢驗的前提是 關於總體分布的假設成立 ，但很多情況下我們無法獲得有關總體分布的相關信息。

非參數檢驗正是一類基於這種考慮，在總體方差未知或知道甚少的情況下，利用樣本數據對總體分布形態等進行推斷的方法。

兩個關聯樣本檢驗指在總體分布未知的條件下對樣本來自的兩相關配對總體是否具有顯著差異進行的檢驗 的 非參數檢驗 方法，其所謂兩配對樣本是指兩樣本具有相同或相似的非處理因素，基本功能是可以判斷兩個相關的樣本是否來自相同分布的總體。

下面我們主要從下面四個方面來解說：

實際應用

理論思想

操作過程

分析結果

一、實際應用

一般用於對成對研究對象給予不同處理並進行處理前後是否具有顯著性差異的分析。一種產品兩種不同工藝流程的方法差異；一種農攔消禪作物兩種不同的種地的差異等。

二、理論思想

判斷兩個相關的樣本是否來自相同分布的總體。SPSS提供了威爾科克森、符號、麥克尼馬爾和邊際齊性4種檢驗方法進行兩配對樣本的檢驗。（1）符號檢驗符號檢驗是一種利用正、負號的數目對某種假設作出判定的非參數檢驗方法。符號檢驗的 基本思路是，將第二組樣本的每個觀測值減去第一個樣本的對應觀測值，觀測所得到的差值的符號。 如果差值中正數的個數和負數的個數差距較大，則認為兩樣本來自的兩相關配對總體具有顯著差異。（2）威爾科克森檢驗威爾科克森檢驗是一種擴展的符號檢驗。其 基本思路是，如果兩樣本來自的兩相關配對總體沒有顯著差異的話，不但差值中正數的個數和負數的個數應大致相等，而且正值和負值的秩和也大致相等。 （3）麥克尼馬爾檢驗麥克尼馬爾檢驗的思想是 以其自身為對照，進行二項分布檢驗。其通過初始的觀測比率和事後的觀測比率的變化計算二項分布的概率值 ，麥克尼馬爾變化顯著性檢驗要求數據必須為兩分類數據。（4）邊際齊性檢驗邊際齊性檢驗是麥克尼馬爾變化顯著性檢驗 從兩分類數據向多分類數據的推廣，通過卡方分布檢驗的觀測比率簡塵和事後的觀測比率的變化 來計算。

三、操作過程

檢驗的數據條件：

兩個樣本數據相關

兩個關聯樣本檢驗案例：

題目：為分析一種新葯的效果，特選取了15名病人進行試驗，表5.14給出了試驗者服葯前後的血紅蛋白數量。試用兩個關聯樣本檢驗方法判斷該葯能否引起患者體內血紅蛋白數量的顯著變化。

一、數據輸入

二、操作步驟 1、進入SPSS，打開相關數據文件，選擇「分析」「|非參數檢驗」「|舊對話框」|「2個相關樣本」命令

2、選擇進行兩個關聯樣本檢驗的變數。在「雙關聯樣本檢驗」對話框的左側列表框中，同時選中「服葯前血紅蛋白數量」和「服葯後血紅蛋白數量」進入「檢驗對」列表框。

3、選擇檢驗方法。在「雙關聯樣本檢驗」對話框內的「檢驗類型」選項組中，我們選中威爾科克森和「符號」復選框。這兩種方法都用來檢驗兩個樣本是否來自於相同的總體。

4、設置檢驗的計算方法。

5、選擇相關統計量的輸出和缺失值的處理方法。

單擊「二項檢驗」對話框中的「選項」按鈕，在「統計」選項組中選中「描述」復選框，也就是輸出變數的描述性統計量，包括平均值、標准差、最大值、最小值等；在「缺失值」選項組中選中「按檢驗排除個案」單選按鈕，即排除掉含有缺失值的記錄後再進行卡方檢驗。設置完畢後，單擊「繼續」按鈕返回「雙關聯樣本檢驗」對話框。

6、單擊「確定」按鈕，等待輸出結果。

四、結果分析

1、描述性統計量表參與服葯前血紅蛋白數量測量的樣本共15個，樣本平均值是13.060，標准差是1.3010，最小值是10.9，最大值是15.2；服葯後血紅蛋白數量的樣本平均值是12.940，最小值是11.0，最大值是14.6。

2、威爾科橋衫克森帶符號秩檢驗結果表威爾科克森帶符號秩檢驗結果包括兩部分：第一部分是秩表，可知共有15對變數參與了檢驗，服葯前比服葯後大的共有8對，秩均值為8.31，服葯前比服葯後小的共有7對，秩均值為7.64；第二部分是檢驗統計量表，Z值為-0.370，漸近顯著性為0.712，遠大於0.05，接受原假設。

3、符號檢驗結果表符號檢驗結果也包括兩部分：第一部分是頻數表，內容類似於威爾科克森帶符號秩檢驗結果中的秩表；第二部分是檢驗統計量表，精確顯著性為1，遠大於0.05，接受原假設。

分析結論：

綜上所述，從以上兩種檢驗方法得出的結果可知，顯著性均遠大於0.05，接受原假設，所以該葯不能引起患者體內血紅蛋白數量的顯著變化。

參考案例數據：

【1】spss統計分析與行業應用案例詳解(第四版)  楊維忠,張甜,王國平  清華大學出版社

（獲取更多知識，前往前往我的wx ————公z號 （程式解說）

原文來自：https://mp.weixin.qq.com/s/3Vab0Z1Z1vU-egI4lalE7w

9. 統計學怎樣用方差分析方法檢驗有無顯著差異性

什麼是方差分析
方差分析（ANOVA）又稱「變異數分析」或「F檢驗」，是R.A.Fister發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。
由於各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。
一個復雜的事物，其中往往有許多因素互相制約又互相依存。方差分析的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，以及顯著影響因素的最佳水平等。方差分析是在可比較的數組中，把數據間的總的「變差」按各指定的變差來源進行分解的一種技術。對變差的度量，採用離差平方和。方差分析方法就是從總離差平方和分解出可追溯到指定來源的部分離差平方和，這是一個很重要的思想。
經過方差分析若拒絕了檢驗假設，只能說明多個樣本總體均數不相等或不全相等。若要得到各組均數間更詳細的信息，應在方差分析的基礎上進行多個樣本均數的兩兩比較。

1、多個樣本均數間兩兩比較
多個樣本均數間兩兩比較常用q檢驗的方法，即Newman-kueuls法，其基本步驟為：建立檢驗假設-->樣本均數排序-->計算q值-->查q界值表判斷結果。

2、多個實驗組與一個對照組均數間兩兩比較
多個實驗組與一個對照組均數間兩兩比較，若目的是減小第II類錯誤，最好選用最小顯著差法（LSD法）；若目的是減小第I類錯誤，最好選用新復極差法，前者查t界值表，後者查q'界值表。

方差分析的基本思想
基本思想：通過分析研究中不同來源的變異對總變異的貢獻大小，從而確定可控因素對研究結果影響力的大小。
下面我們用一個簡單的例子來說明方差分析的基本思想：
如某克山病區測得11例克山病患者和13名健康人的血磷值（mmol/L）如下：
患者：0.84 1.05 1.20 1.20 1.39 1.53 1.67 1.80 1.87 2.07 2.11
健康人：0.54 0.64 0.64 0.75 0.76 0.81 1.16 1.20 1.34 1.35 1.48 1.56 1.87
問該地克山病患者與健康人的血磷值是否不同？
從以上資料可以看出，24個患者與健康人的血磷值各不相同，如果用離均差平方和（SS）描述其圍繞總均數的變異情況，則總變異有以下兩個來源：
組內變異，即由於隨機誤差的原因使得各組內部的血磷值各不相等；
組間變異，即由於克山病的影響使得患者與健康人組的血磷值均數大小不等。
而且：SS總=SS組間+SS組內 v總=v組間+v組內
如果用均方（即自由度v去除離均差平方和的商）代替離均差平方和以消除各組樣本數不同的影響，則方差分析就是用組內均方去除組間均方的商（即F值）與1相比較，若F值接近1，則說明各組均數間的差異沒有統計學意義，若F值遠大於1，則說明各組均數間的差異有統計學意義。實際應用中檢驗假設成立條件下F值大於特定值的概率可通過查閱F界值表（方差分析用）獲得。

方差分析的應用條件
應用方差分析對資料進行統計推斷之前應注意其使用條件，包括：
1、可比性。若資料中各組均數本身不具可比性則不適用方差分析。
2、正態性。即偏態分布資料不適用方差分析。對偏態分布的資料應考慮用對數變換、平方根變換、倒數變換、平方根反正弦變換等變數變換方法變為正態或接近正態後再進行方差分析。
3、方差齊性。即若組間方差不齊則不適用方差分析。多個方差的齊性檢驗可用Bartlett法，它用卡方值作為檢驗統計量，結果判斷需查閱卡方界值表。

方差分析主要用於：
1、均數差別的顯著性檢驗；
2、分離各有關因素並估計其對總變異的作用；
3、分析因素間的交互作用；
4、方差齊性檢驗。

方差分析的主要內容
根據資料設計類型的不同，有以下兩種方差分析的方法：
1、對成組設計的多個樣本均數比較，應採用完全隨機設計的方差分析，即單因素方差分析。
2、對隨機區組設計的多個樣本均數比較，應採用配伍組設計的方差分析，即兩因素方差分析。

兩類方差分析的基本步驟相同，只是變異的分解方式不同，對成組設計的資料，總變異分解為組內變異和組間變異（隨機誤差），即：SS總=SS組間+SS組內，而對配伍組設計的資料，總變異除了分解為處理組變異和隨機誤差外還包括配伍組變異，即：SS總=SS處理+SS配伍+SS誤差。整個方差分析的基本步驟如下：
1、建立檢驗假設；
H0：多個樣本總體均數相等；
H1：多個樣本總體均數不相等或不全等。
檢驗水準為0.05。
2、計算檢驗統計量F值；
3、確定P值並作出推斷結果。

10. 差異分析的檢驗方法

眾所周知，當你所自己今年比去年更優秀的時候是不可以隨便吹牛的，請把你在上發文的頻率以及質量擺出來！

面對今年和去年的數據，或許你需要一個統計檢驗的方法...

也就是方差相等，在t檢驗和方差分析中，都需要滿足這一前提條件。在兩組和多組比較中，方差齊性的意思很容易理解，無非就是比較各組的方差大小，看看各組的方差是不是差不多大小，如果差別太大，就認為是方差不齊，或方差不等。如果差別不大，就認為方差齊性或方差相等。當然，這種所謂的差別大或小，需要統計學的檢驗，所以就有了方差齊性檢驗。

在t檢驗和方差分析中，要求樣本是來自正態分布的樣本。以此為前提才可以對樣本的均值進行統計檢驗。檢驗的目的是判斷這兩個樣本是否來自於同一個總體的隨機抽樣結果還是來自完全不同的樣本。另外需要注意的是，如果樣本量大於30，此時樣本的均值也近似服從正態分布，這是我們也可以使用t檢驗。

組間差異檢驗，終於有人講清楚了!

參數檢驗和非參數檢驗的區別：

1 參數檢驗是針對參數做的假設，非參數檢驗是針對總體分布情況做的假設，這個是區分參數檢驗和非參數檢驗的一個重要特徵。 例如兩樣本比較的t 檢驗是判斷兩樣本分別代表的總體的均值是否具有差異，屬於參數檢驗。而兩樣本比較的秩和檢驗（wilcoxcon 檢驗及Mann-Whitney 檢驗）是判斷兩樣本分別代表的總體的位置有無差別（即兩總體的變數值有無傾向性的未知偏離），自然屬於非參數檢驗。

2 二者的根本區別在於參數檢驗要利用到總體的信息（總體分布、總體的一些參數特徵如方差），以總體分布和樣本信息對總體參數作出推斷；非參數檢驗不需要利用總體的信息（總體分布、總體的一些參數特徵如方差），以樣本信息對總體分布作出推斷。

3，參數檢驗只能用於等距數據和比例數據，非參數檢驗主要用於記數數據。也可用於等距和比例數據，但精確性就會降低。

如何理解非參數檢驗

參數檢驗 通常是假設 總體服從正態分布，樣本統計量服從T分布 的基礎之上，對總體分布中一些未知的參數，例如總體均值、總體方差和總體標准差等進行統計推斷。如果總體的分布情況未知，同時樣本容量又小，無法運用中心極限定理實施參數檢驗，推斷總體的集中趨勢和離散程度的參數情況。這時，可以用非參數檢驗，非參數檢驗對總體分布不做假設，直接從樣本的分析入手推斷總體的分布。

與參數檢驗相比，非參數檢驗適用范圍廣，特別適用於小樣本數據、總體分布未知或偏態、方差不齊及混合樣本等各類型數據。

非參數檢驗應用廣，但參數檢驗精確度更高。

採用SPSS進行各項檢驗

方差和T檢驗 的區別在於，對於T檢驗的X來講，其只能為2個類別比如男和女。如果X為3個類別比如本科以下，本科，本科以上；此時只能使用方差分析。

方差分析(Analysis of Variance，簡稱ANOVA) ，又稱「變異數分析」，是R.A.Fisher發明的，用於兩個及兩個以上樣本均數差別的顯著性檢驗。

均為無序分類變數

① 卡方檢驗

卡方檢驗常用於分析無序分類變數之間的相關性，也可以用於分析二分類變數之間的關系。但是該檢驗只能分析相關的統計學意義，不能反映關聯強度。因此，我們常聯合Cramer's V檢驗提示關聯強度。

② Fisher精確檢驗

Fisher精確檢驗可以用於檢驗任何R*C數據之間的相關關系，但最常用於分析2*2數據，即兩個二分類變數之間的相關性。與卡方檢驗只能擬合近似分布不同的是，Fisher精確檢驗可以分析精確分布，更適合分析小樣本數據。但是該檢驗與卡方檢驗一樣，只能分析相關的統計學意義，不能反映關聯強度。

(1)從總體中隨機抽取容量為n的一切可能個樣本的平均數之平均數，等於總體的平均數。

(2)從正態總體中，隨機抽取的容量為n的一切可能 樣本平均數 的分布 也呈正態分布。

(3)雖然總體不是正態分布，如果樣本容量較大，反映總體μ和σ的 樣本平均數 的抽樣分布，也接近於正態分布。

原始數據比較符合正態分布，那麼推薦使用T檢驗，如果偏離較大，那麼推薦使用非參數檢驗，如果樣本量較大，那麼兩種檢驗方法都是可以的。