方差检测方法

1. 统计学怎样用方差分析方法检验有无显着差异性

什么是方差分析
方差分析（ANOVA）又称“变异数分析”或“F检验”，是R.A.Fister发明的，用于两个及两个以上样本均数差别的显着性检验。
由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显着影响的因素，各因素之间的交互作用，以及显着影响因素的最佳水平等。方差分析是在可比较的数组中，把数据间的总的“变差”按各指定的变差来源进行分解的一种技术。对变差的度量，采用离差平方和。方差分析方法就是从总离差平方和分解出可追溯到指定来源的部分离差平方和，这是一个很重要的思想。
经过方差分析若拒绝了检验假设，只能说明多个样本总体均数不相等或不全相等。若要得到各组均数间更详细的信息，应在方差分析的基础上进行多个样本均数的两两比较。

1、多个样本均数间两两比较
多个样本均数间两两比较常用q检验的方法，即Newman-kueuls法，其基本步骤为：建立检验假设-->样本均数排序-->计算q值-->查q界值表判断结果。

2、多个实验组与一个对照组均数间两两比较
多个实验组与一个对照组均数间两两比较，若目的是减小第II类错误，最好选用最小显着差法（LSD法）；若目的是减小第I类错误，最好选用新复极差法，前者查t界值表，后者查q'界值表。

方差分析的基本思想
基本思想：通过分析研究中不同来源的变异对总变异的贡献大小，从而确定可控因素对研究结果影响力的大小。
下面我们用一个简单的例子来说明方差分析的基本思想：
如某克山病区测得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
问该地克山病患者与健康人的血磷值是否不同？
从以上资料可以看出，24个患者与健康人的血磷值各不相同，如果用离均差平方和（SS）描述其围绕总均数的变异情况，则总变异有以下两个来源：
组内变异，即由于随机误差的原因使得各组内部的血磷值各不相等；
组间变异，即由于克山病的影响使得患者与健康人组的血磷值均数大小不等。
而且：SS总=SS组间+SS组内 v总=v组间+v组内
如果用均方（即自由度v去除离均差平方和的商）代替离均差平方和以消除各组样本数不同的影响，则方差分析就是用组内均方去除组间均方的商（即F值）与1相比较，若F值接近1，则说明各组均数间的差异没有统计学意义，若F值远大于1，则说明各组均数间的差异有统计学意义。实际应用中检验假设成立条件下F值大于特定值的概率可通过查阅F界值表（方差分析用）获得。

方差分析的应用条件
应用方差分析对资料进行统计推断之前应注意其使用条件，包括：
1、可比性。若资料中各组均数本身不具可比性则不适用方差分析。
2、正态性。即偏态分布资料不适用方差分析。对偏态分布的资料应考虑用对数变换、平方根变换、倒数变换、平方根反正弦变换等变量变换方法变为正态或接近正态后再进行方差分析。
3、方差齐性。即若组间方差不齐则不适用方差分析。多个方差的齐性检验可用Bartlett法，它用卡方值作为检验统计量，结果判断需查阅卡方界值表。

方差分析主要用于：
1、均数差别的显着性检验；
2、分离各有关因素并估计其对总变异的作用；
3、分析因素间的交互作用；
4、方差齐性检验。

方差分析的主要内容
根据资料设计类型的不同，有以下两种方差分析的方法：
1、对成组设计的多个样本均数比较，应采用完全随机设计的方差分析，即单因素方差分析。
2、对随机区组设计的多个样本均数比较，应采用配伍组设计的方差分析，即两因素方差分析。

两类方差分析的基本步骤相同，只是变异的分解方式不同，对成组设计的资料，总变异分解为组内变异和组间变异（随机误差），即：SS总=SS组间+SS组内，而对配伍组设计的资料，总变异除了分解为处理组变异和随机误差外还包括配伍组变异，即：SS总=SS处理+SS配伍+SS误差。整个方差分析的基本步骤如下：
1、建立检验假设；
H0：多个样本总体均数相等；
H1：多个样本总体均数不相等或不全等。
检验水准为0.05。
2、计算检验统计量F值；
3、确定P值并作出推断结果。

2. 在spss中方差没有齐性的时候用什么方法进行检验

方差分析方法：

方差分析对各组方差的方差齐性（也就是各组方差是否一致）有要求，如果方差不齐，不能使用方差分析。不过，SPSS统计软件的one way ANOVA在方差不齐时是可以使用的，此时你应该使用Brown-Forsythe或Welch的修正值。

当想看哪两组有差异时，可以使用one way ANOVA自带的Post Hoc Tests，方差不齐时使用不等方差假设项下的Tamhane's T2或Dunnett's T3等。

方差分析的基本原理

是认为不同处理组的均数间的差别基本来源有两个：

(1) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSb，组间自由度dfb。

(2)随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。

以上内容参考：网络-方差分析

3. 在spss中方差没有齐性的时候用什么方法进行检验

方差不齐涉及的统计方法主要有t检验和方差分析这两个方法，处理办法如下：
1、t检验：SPSS统计软件的Independent-Samples T Test有方差相等或不相等2个结果，如果两组方差不齐也没关系，你只要看方差不齐项所对应的结果就可以了。顺便说一个，SPSS统计软件的Independent-Samples T Test也同时进行方差齐性检验并报告结果。
2、方差分析：方差分析对各组方差的方差齐性（也就是各组方差是否一致）有要求，如果方差不齐，你不能使用方差分析。不过，SPSS统计软件的one way ANOVA在方差不齐时是可以使用的，此时你应该使用Brown-Forsythe或Welch的修正值。当你想看哪两组有差异时，可以使用one way ANOVA自带的Post Hoc Tests，方差不齐时使用不等方差假设项下的Tamhane's T2或Dunnett's T3等。
如果你仍然不放心，可以使用非参检验，看看这两种方法的结果是否有明显差异。

这是我的数据，我想分析不同年年份（以上的数据是从2000-2014年的，在统计局网站上找到的，每年只有一个数据，是某市年人均衣着支出。）对衣着支出是否有显着影响，如果有，最好还可以进一步对比。
但是，这组数据用单因素方差分析做出来的结果是不满足方差齐性检验的。
这是我做出来的结果，单因素方差分析的，但是我知道不满足方差齐性的结果是没有意义的。
同时，我还想研究 不同年份对食品、居住、医疗保健、交通是否有显着影响。
我要研究的最终目标是 不同年份对家庭消费结构的影响，所以也想把每一年的每一项的百分比算出来，然后研究不同年份的家庭消费结构，我的问题很幼稚，学过SPSS，

4. 方差分析是检验什么的

方差分析是处理多个平均数是否相等的一种假设检验方法，用于两个及两个以上样本均数差别的显着性检验。

方差分析的目的是通过数据分析找出对该事物有显着影响的因素，各因素之间的交互作用，以及显着影响因素的最佳水平等。

方差分析的基本思想是把全部观察值间的变异按设计和需要分解成两个或多个组成部分，然后将各个部分的变异与随机误差进行比较，以判断各部分的变异是否具有统计学意义。

(4)方差检测方法扩展阅读

应用

在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异。例如医学界研究几种药物对某种疾病的疗效；农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响；不同化学药剂对作物害虫的杀虫效果等，都可以使用方差分析方法去解决。

一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显着影响的因素，各因素之间的交互作用，以及显着影响因素的最佳水平等。

方差分析方法就是从总离差平方和分解出可追溯到指定来源的部分离差平方和，这是一个很重要的思想。经过方差分析若拒绝了检验假设，只能说明多个样本总体均值不相等或不全相等。若要得到各组均值间更详细的信息，应在方差分析的基础上进行多个样本均值的两两比较。

5. 检验异方差性的方法有哪些

关于异方差性检验的方法大致有：图示检验法、Goldfeld - Quandt 检验法、White检验法、Park检验法和Gleiser检验法。事实也证明，实际经济问题中经常会出现异方差性，这将影响回顾模型的估计、检验和应用。因此在建立计量经济模型时应检验模型是否存在异方差性。

异方差性是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差随机误差项具有不同的方差，则称线性回归模型存在异方差性。

(5)方差检测方法扩展阅读

测量误差对异方差性的作用主要表现在两个方面：一方面，测量误差常常在一定时间内逐渐积累，误差趋于增加，如解释变量X越大，测量误差就会趋于增大；另一方面，测量误差可能随时间变化而变化，如抽样技术或收集资料方法的改进就会使测量误差减少。

不仅在时间序列上容易出现异方差性，利用平均数作为样本数据也容易出现异方差性。收入较高和较低的人是少数的，大部分人的收入居于较高和较低之间，在以不同收入组的人均数据作为样本时，由于每组中的人数不同，观测误差也不同。

6. 如何进行方差齐性检验

方差齐性检验是方差分析的重要前提，是方差可加性原则应用的一个条件。
方差齐性检验是对两样本方差是否相同进行的检验。
方差齐性检验和两样本平均数的差异性检验在假设检验的基本思想上是没有什么差异性的。只是所选择的抽样分布不一样。方差齐性检验所选择的抽样分布为f分布。

7. 在SPSS里怎么进行方差齐性检验

1、第一步：将数据录入到SPSS的数据视图中，这一步与前面t检验相同，输入数据后，选择【分析】→【比较均值】→【单因素ANOVA】。

(7)方差检测方法扩展阅读

SPSS发展历史

1968年：斯坦福大学三位学生创建了SPSS。

1968年：诞生第一个用于大型机的统计软件。

1975年：在芝加哥成立SPSS总部。

1984年：推出用于个人电脑的SPSS/PC+。

1992年：推出Windows版本，同时全球自SPSS 11.0起，SPSS全称为“Statistical Proct and Service Solutions”，即“统计产品和服务解决方案”。

2009年：SPSS公司宣布重新包装旗下的SPSS产品线，定位为预测统计分析软件(Predictive Analytics Software)PASW，包括四部分：

PASW Statistics (formerly SPSS Statistics)：统计分析。

PASW Modeler (formerly Clementine) ：数据挖掘。

Data Collection family (formerly Dimensions)：数据收集。

PASW Collaboration and Deployment Services (formerly Predictive Enterprise Services)：企业应用服务。

2010年：随着SPSS公司被IBM公司并购,各子产品家族名称前面不再以PASW为名,修改为统一加上IBM SPSS字样。。

8. 检验异方差性的方法有哪些

检验异方差性的方法有：
1）图示检验法。①相关图分析。②残差图分析。
2）Goldfeld - Quandt 检验法。
3）怀特(white) 检验。
4）帕克检验（ Park test ) 和格里奇检验（ Glejser test）。

9. 检验异方差有哪些方法

异方差检验主要有三种方法
1 Park-Gleiser检验
2 Goldfeld-Quandt 检验（缺点，只能处理单升和单降型的异方差）
3 White 检验
最着名最常用的是第三种怀特检验。核心原理是判断ui由xi解释程度的高低，越高越有异方差。
具体的方法这里不好打，你可以查一下相关资料。
希望帮到你