统计达人急入,统计学问题,one way ANOVA 和T test,急,高悬赏
发布网友
发布时间：2022-04-24 01:38
共3个回答
热心网友
时间：2023-10-19 04:08
一、one way anova是一个单因素的方差分析过程，其采取的统计检验量是F检验统计量。所谓的单因素是指按照某一因素将样本进行分组，在这里你的因素就是“处理”了，不同的细胞组用了不同的“处理”，16个不同的处理在统计学里叫做这个因素的16个水平，即level。T检验和F检验的前提都是要样本服从正态分布的，因为T分布和F分布的构造就是从标准正态分布开始的，这个知识点你可以随便找一本统计学的书看一下，很简单，当然如果你的数据不是服从正态分布的，你就不能用单因素方差分析过程，也不能做T检验。当组数大于2时，我们只能用F检验而不能用T检验，解释如下：当组数为2的时候我们可以做T检验（T统计量是两组样本均值的差除以方差的估计），其实T检验中T统计量的平方即一个F分布，所以这个T检验其实也是等价于一个F检验的，也就说T检验的本质其实也是一个one way anova过程，只不过这个因素的水平是2（即组数），当组数大于2时，由于我们要同时考虑各个组之间的差异是不是显著的而不是单单看两个组的差异，所以这个时候只能用F检验了，即所谓的one way anova过程，当F检验室显著的则说明了各组间有差异，但具体是哪两组或者哪些组之间存在差异我们却不知道，所以统计学中通常还会做每两组之间的T检验来需找有差异的组。
二、用配对T检验还是用非配对T检验要看你两组间的样本数是否相等，如果不相等则用非配对T检验，相等则用配对T检验，当然样本数相等的时候也可以用非配对T检验，但此时的检验功效要弱于配对T检验的功效。
热心网友
时间：2023-10-19 04:08
你可以使用SPSS的explore，或PP图，或QQ图，或One-Sample Kolmogorov-Smirnov Test，或Histogram图来考察你的数据的正态分布情况（推荐Histogram图）。
1、一些常见的分析方法（如t检验、方差分析等）对数据背离正态分布有较好的稳健性，因此你的数据只要大致满足、或不严重背离正态分布就可以了。如果你的数据实在背离正态分布太多，你应该改用非参数检验。由于你只需要知道一个大致的情况，仅需要Histogram图来考察你的数据的正态分布情况就可以了。
但是，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。
2、 t-test 是使用配对或非配对取决于你的测试数据之间是否有关联，与两组样本的例数无关。比如，如果你在第一周测量了一组病人的血压，在第2周又对这组病人测量了血压，然后你想比较这2周之间的血压是否有差异，那么只能使用配对t-test ，因为对于每个病人来说，其第一周和第二周的血压是有关联，这2个血压并不，因此只能配对t-test ；如果你对2组病人仅仅测了一次的血压，由于每个病人之间的血压是无关联的，此时应该使用非配对t-test （成组t-test ，Independent-Samples T Test）比较这2组病人之间是否有差异。从我上面的例子你也可以看出，配对t-test 主要用于比较2个时间点的测量之间是否有差异（如治疗前后的比较）。
从你的描述来看，我觉得你的数据应该使用非配对t-test （成组t-test ，Independent-Samples T Test）。注意SPSS统计软件的Independent-Samples T Test有方差相等或不相等2个结果，千万不要选错！
热心网友
时间：2023-10-19 04:09
one way anova是一个单因素的方差分析过程，其采取的统计检验量是F检验统计量。所谓的单因素是指按照某一因素将样本进行分组，在这里你的因素就是“处理”了，不同的细胞组用了不同的“处理”，16个不同的处理在统计学里叫做这个因素的16个水平，即level。当组数大于2时，我们只能用F检验而不能用T检验，解释如下：当组数为2的时候我们可以做T检验（T统计量是两组样本均值的差除以方差的估计），其实T检验中T统计量的平方即一个F分布，所以这个T检验其实也是等价于一个F检验的，也就说T检验的本质其实也是一个one way anova过程，只不过这个因素的水平是2（即组数），当组数大于2时，由于我们要同时考虑各个组之间的差异是不是显著的而不是单单看两个组的差异，所以这个时候只能用F检验了，即所谓的one way anova过程，当F检验室显著的则说明了各组间有差异，但具体是哪两组或者哪些组之间存在差异我们却不知道，所以统计学中通常还会做每两组之间的T检验来需找有差异的组。
二、用配对T检验还是用非配对T检验要看你两组间的样本数是否相等，如果不相等则用非配对T检验，相等则用配对T检验，当然样本数相等的时候也可以用非配对T检验，但此时的检验功效要弱于配对T检验的功效。
参考资料：www.baidu.com
热心网友
时间：2023-10-19 04:08
一、one way anova是一个单因素的方差分析过程，其采取的统计检验量是F检验统计量。所谓的单因素是指按照某一因素将样本进行分组，在这里你的因素就是“处理”了，不同的细胞组用了不同的“处理”，16个不同的处理在统计学里叫做这个因素的16个水平，即level。T检验和F检验的前提都是要样本服从正态分布的，因为T分布和F分布的构造就是从标准正态分布开始的，这个知识点你可以随便找一本统计学的书看一下，很简单，当然如果你的数据不是服从正态分布的，你就不能用单因素方差分析过程，也不能做T检验。当组数大于2时，我们只能用F检验而不能用T检验，解释如下：当组数为2的时候我们可以做T检验（T统计量是两组样本均值的差除以方差的估计），其实T检验中T统计量的平方即一个F分布，所以这个T检验其实也是等价于一个F检验的，也就说T检验的本质其实也是一个one way anova过程，只不过这个因素的水平是2（即组数），当组数大于2时，由于我们要同时考虑各个组之间的差异是不是显著的而不是单单看两个组的差异，所以这个时候只能用F检验了，即所谓的one way anova过程，当F检验室显著的则说明了各组间有差异，但具体是哪两组或者哪些组之间存在差异我们却不知道，所以统计学中通常还会做每两组之间的T检验来需找有差异的组。
二、用配对T检验还是用非配对T检验要看你两组间的样本数是否相等，如果不相等则用非配对T检验，相等则用配对T检验，当然样本数相等的时候也可以用非配对T检验，但此时的检验功效要弱于配对T检验的功效。
热心网友
时间：2023-10-19 04:08
你可以使用SPSS的explore，或PP图，或QQ图，或One-Sample Kolmogorov-Smirnov Test，或Histogram图来考察你的数据的正态分布情况（推荐Histogram图）。
1、一些常见的分析方法（如t检验、方差分析等）对数据背离正态分布有较好的稳健性，因此你的数据只要大致满足、或不严重背离正态分布就可以了。如果你的数据实在背离正态分布太多，你应该改用非参数检验。由于你只需要知道一个大致的情况，仅需要Histogram图来考察你的数据的正态分布情况就可以了。
但是，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。
2、 t-test 是使用配对或非配对取决于你的测试数据之间是否有关联，与两组样本的例数无关。比如，如果你在第一周测量了一组病人的血压，在第2周又对这组病人测量了血压，然后你想比较这2周之间的血压是否有差异，那么只能使用配对t-test ，因为对于每个病人来说，其第一周和第二周的血压是有关联，这2个血压并不，因此只能配对t-test ；如果你对2组病人仅仅测了一次的血压，由于每个病人之间的血压是无关联的，此时应该使用非配对t-test （成组t-test ，Independent-Samples T Test）比较这2组病人之间是否有差异。从我上面的例子你也可以看出，配对t-test 主要用于比较2个时间点的测量之间是否有差异（如治疗前后的比较）。
从你的描述来看，我觉得你的数据应该使用非配对t-test （成组t-test ，Independent-Samples T Test）。注意SPSS统计软件的Independent-Samples T Test有方差相等或不相等2个结果，千万不要选错！
热心网友
时间：2023-10-19 04:09
one way anova是一个单因素的方差分析过程，其采取的统计检验量是F检验统计量。所谓的单因素是指按照某一因素将样本进行分组，在这里你的因素就是“处理”了，不同的细胞组用了不同的“处理”，16个不同的处理在统计学里叫做这个因素的16个水平，即level。当组数大于2时，我们只能用F检验而不能用T检验，解释如下：当组数为2的时候我们可以做T检验（T统计量是两组样本均值的差除以方差的估计），其实T检验中T统计量的平方即一个F分布，所以这个T检验其实也是等价于一个F检验的，也就说T检验的本质其实也是一个one way anova过程，只不过这个因素的水平是2（即组数），当组数大于2时，由于我们要同时考虑各个组之间的差异是不是显著的而不是单单看两个组的差异，所以这个时候只能用F检验了，即所谓的one way anova过程，当F检验室显著的则说明了各组间有差异，但具体是哪两组或者哪些组之间存在差异我们却不知道，所以统计学中通常还会做每两组之间的T检验来需找有差异的组。
二、用配对T检验还是用非配对T检验要看你两组间的样本数是否相等，如果不相等则用非配对T检验，相等则用配对T检验，当然样本数相等的时候也可以用非配对T检验，但此时的检验功效要弱于配对T检验的功效。
参考资料：www.baidu.com
