方差檢測方法

1. 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。

2. 在spss中方差沒有齊性的時候用什麼方法進行檢驗

方差分析方法：

方差分析對各組方差的方差齊性（也就是各組方差是否一致）有要求，如果方差不齊，不能使用方差分析。不過，SPSS統計軟體的one way ANOVA在方差不齊時是可以使用的，此時你應該使用Brown-Forsythe或Welch的修正值。

當想看哪兩組有差異時，可以使用one way ANOVA自帶的Post Hoc Tests，方差不齊時使用不等方差假設項下的Tamhane's T2或Dunnett's T3等。

方差分析的基本原理

是認為不同處理組的均數間的差別基本來源有兩個：

(1) 實驗條件，即不同的處理造成的差異，稱為組間差異。用變數在各組的均值與總均值之偏差平方和的總和表示，記作SSb，組間自由度dfb。

(2)隨機誤差，如測量誤差造成的差異或個體間的差異，稱為組內差異，用變數在各組的均值與該組內變數值之偏差平方和的總和表示， 記作SSw，組內自由度dfw。

以上內容參考：網路-方差分析

3. 在spss中方差沒有齊性的時候用什麼方法進行檢驗

方差不齊涉及的統計方法主要有t檢驗和方差分析這兩個方法，處理辦法如下：
1、t檢驗：SPSS統計軟體的Independent-Samples T Test有方差相等或不相等2個結果，如果兩組方差不齊也沒關系，你只要看方差不齊項所對應的結果就可以了。順便說一個，SPSS統計軟體的Independent-Samples T Test也同時進行方差齊性檢驗並報告結果。
2、方差分析：方差分析對各組方差的方差齊性（也就是各組方差是否一致）有要求，如果方差不齊，你不能使用方差分析。不過，SPSS統計軟體的one way ANOVA在方差不齊時是可以使用的，此時你應該使用Brown-Forsythe或Welch的修正值。當你想看哪兩組有差異時，可以使用one way ANOVA自帶的Post Hoc Tests，方差不齊時使用不等方差假設項下的Tamhane's T2或Dunnett's T3等。
如果你仍然不放心，可以使用非參檢驗，看看這兩種方法的結果是否有明顯差異。

這是我的數據，我想分析不同年年份（以上的數據是從2000-2014年的，在統計局網站上找到的，每年只有一個數據，是某市年人均衣著支出。）對衣著支出是否有顯著影響，如果有，最好還可以進一步對比。
但是，這組數據用單因素方差分析做出來的結果是不滿足方差齊性檢驗的。
這是我做出來的結果，單因素方差分析的，但是我知道不滿足方差齊性的結果是沒有意義的。
同時，我還想研究 不同年份對食品、居住、醫療保健、交通是否有顯著影響。
我要研究的最終目標是 不同年份對家庭消費結構的影響，所以也想把每一年的每一項的百分比算出來，然後研究不同年份的家庭消費結構，我的問題很幼稚，學過SPSS，

4. 方差分析是檢驗什麼的

方差分析是處理多個平均數是否相等的一種假設檢驗方法，用於兩個及兩個以上樣本均數差別的顯著性檢驗。

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。

方差分析的基本思想是把全部觀察值間的變異按設計和需要分解成兩個或多個組成部分，然後將各個部分的變異與隨機誤差進行比較，以判斷各部分的變異是否具有統計學意義。

(4)方差檢測方法擴展閱讀

應用

在科學實驗中常常要探討不同實驗條件或處理方法對實驗結果的影響。通常是比較不同實驗條件下樣本均值間的差異。例如醫學界研究幾種葯物對某種疾病的療效；農業研究土壤、肥料、日照時間等因素對某種農作物產量的影響；不同化學葯劑對作物害蟲的殺蟲效果等，都可以使用方差分析方法去解決。

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值不相等或不全相等。若要得到各組均值間更詳細的信息，應在方差分析的基礎上進行多個樣本均值的兩兩比較。

5. 檢驗異方差性的方法有哪些

關於異方差性檢驗的方法大致有：圖示檢驗法、Goldfeld - Quandt 檢驗法、White檢驗法、Park檢驗法和Gleiser檢驗法。事實也證明，實際經濟問題中經常會出現異方差性，這將影響回顧模型的估計、檢驗和應用。因此在建立計量經濟模型時應檢驗模型是否存在異方差性。

異方差性是相對於同方差而言的。所謂同方差，是為了保證回歸參數估計量具有良好的統計性質，經典線性回歸模型的一個重要假定：總體回歸函數中的隨機誤差項滿足同方差性，即它們都有相同的方差隨機誤差項具有不同的方差，則稱線性回歸模型存在異方差性。

(5)方差檢測方法擴展閱讀

測量誤差對異方差性的作用主要表現在兩個方面：一方面，測量誤差常常在一定時間內逐漸積累，誤差趨於增加，如解釋變數X越大，測量誤差就會趨於增大；另一方面，測量誤差可能隨時間變化而變化，如抽樣技術或收集資料方法的改進就會使測量誤差減少。

不僅在時間序列上容易出現異方差性，利用平均數作為樣本數據也容易出現異方差性。收入較高和較低的人是少數的，大部分人的收入居於較高和較低之間，在以不同收入組的人均數據作為樣本時，由於每組中的人數不同，觀測誤差也不同。

6. 如何進行方差齊性檢驗

方差齊性檢驗是方差分析的重要前提，是方差可加性原則應用的一個條件。
方差齊性檢驗是對兩樣本方差是否相同進行的檢驗。
方差齊性檢驗和兩樣本平均數的差異性檢驗在假設檢驗的基本思想上是沒有什麼差異性的。只是所選擇的抽樣分布不一樣。方差齊性檢驗所選擇的抽樣分布為f分布。

7. 在SPSS里怎麼進行方差齊性檢驗

1、第一步：將數據錄入到SPSS的數據視圖中，這一步與前面t檢驗相同，輸入數據後，選擇【分析】→【比較均值】→【單因素ANOVA】。

(7)方差檢測方法擴展閱讀

SPSS發展歷史

1968年：斯坦福大學三位學生創建了SPSS。

1968年：誕生第一個用於大型機的統計軟體。

1975年：在芝加哥成立SPSS總部。

1984年：推出用於個人電腦的SPSS/PC+。

1992年：推出Windows版本，同時全球自SPSS 11.0起，SPSS全稱為「Statistical Proct and Service Solutions」，即「統計產品和服務解決方案」。

2009年：SPSS公司宣布重新包裝旗下的SPSS產品線，定位為預測統計分析軟體(Predictive Analytics Software)PASW，包括四部分：

PASW Statistics (formerly SPSS Statistics)：統計分析。

PASW Modeler (formerly Clementine) ：數據挖掘。

Data Collection family (formerly Dimensions)：數據收集。

PASW Collaboration and Deployment Services (formerly Predictive Enterprise Services)：企業應用服務。

2010年：隨著SPSS公司被IBM公司並購,各子產品家族名稱前面不再以PASW為名,修改為統一加上IBM SPSS字樣。。

8. 檢驗異方差性的方法有哪些

檢驗異方差性的方法有：
1）圖示檢驗法。①相關圖分析。②殘差圖分析。
2）Goldfeld - Quandt 檢驗法。
3）懷特(white) 檢驗。
4）帕克檢驗（ Park test ) 和格里奇檢驗（ Glejser test）。

9. 檢驗異方差有哪些方法

異方差檢驗主要有三種方法
1 Park-Gleiser檢驗
2 Goldfeld-Quandt 檢驗（缺點，只能處理單升和單降型的異方差）
3 White 檢驗
最著名最常用的是第三種懷特檢驗。核心原理是判斷ui由xi解釋程度的高低，越高越有異方差。
具體的方法這里不好打，你可以查一下相關資料。
希望幫到你