anova方差分析excel怎么做
粉丝69获赞296
相关视频
00:54查看AI文稿AI文稿一分钟学会用 excel 做防查分析，这是品牌，这是地区，中间的表示销量。想知道品牌和地区对销量是否有显著性影响，在菜单数据里找到数据分析， 找到方查分析，无重复双因素方查分析，输入区域，选择上方的数据区域，勾选标志显出性水平，又默认的零点零五输出，选择输出区域，让结果显示在下方，确定给书方查分析结果。 第一部分是描述性统计分析，给出了品牌和地区的求和均值和方差。第二部分才是我们要关心的 行因素，也就是品牌 p 值非常小，小于零点零五说明品牌对销量没有影响。另因素也就是地区 p 值大于零点零五，说明地区对销量有显著性的影响。这就是用 excel 做防杀分析。
2992孙斌说数据
01:11查看AI文稿AI文稿有人问怎么做单因素方向分析？其实很简单，数据是这样的，四个班级的成绩问题是这四个班级的平均分是否有差异？在菜单数据中找到数据分析，找到单因素方向分析，确定 输入区域呢，就是上方的数据区域分组方式列，也就是每一列呢是一个组勾选标志位于第一行，也就是上方的表头啊法，也就是显著性水平。用默认的零点零五 输出区域呢，我们让他输出，在这个下方选择这里的单元格确定，这样就得到了结果。上方是描述性统计分析的结果，下方呢是方沙分析 结果。这里呢，我们要重点关注这里的 p 值，现在这个 p 值呢是零点零三八七啊，也就是小于零点零五， 也就是要拒绝原假设啊，也就是说这四个班级的平均分呢，是有差异的，这个就是用 excel 做单因素方向分析。
1179孙斌说数据
06:54查看AI文稿AI文稿大家好，我是赛蔻小白，今天给大家介绍方叉分析，要是觉得这个视频有用的话，爱心点赞关注，这是对更新的最大动力。 方查分析的英文为 analysis of various， 缩写就是 anover。 看这个视频的同学们要是没有学过体检验的话，可以先学习体检验，之后再看方查分析。方查分析主要是用来比较不同组之间的均数是否存在显著差异。我们在体检验的时候讲过，之前的体检验只能检验两组， 方扎分析能检验多组。一般情况下，在比较三组及以上的组建差异的时候，我们会用方扎分析。我们首先举个例子，我们想知道医学、心理学、生物学的学生之间在推理能力上是否存在差异。于是我们抽取了十个医学、九个心理学和九个生物学的学生，让 他们去进行推理能力测试，最后得到了以下分数，一、学生的平均分数是八十一分，心理学的平均分是八十三分，生物学的学生是八十 七分。我们发现分数差最大的在医学和生物学之间有六分的平均分差异。那么我们能说生物学的学生推理能力显著大于医学吗？不能，因为有人会说你的车样只有十个医学生，这十个人可能刚好不是很擅长推理。确实如此，所以我们需要引入方差分析，从统计的角度来得出能否给出更合理的答案。 所以首先我们先提出我们的零假设，零假设是医学、心理学、生物学的学生在推理能力上是相等的，而被责假设是至少存在一组的均数与其他组之间是不同的， 那么这里需要值得注意的是，贝德假设不是需要医学、心理学和生物学的学生推理能力都不相同，而是只要存在一组与其他任何组军数不同即可。在确定的假设以后，我们就需要确定显著性水平 up 值，并找到 f 零介值。那么首先我们来介绍一下方叉分析的统计量 f 值。 f 值的公式不复杂， 公式的具体细节之后我会在视频下方写上，但是在这里我会简单的解释它的构造，以更好的理解方差分析 f 值等于组间均方，除以组内均方分母， msw 关注的是多组之间的组内差异。样板量不同的时候求的是汇合方差，当样板量相等的时候，就正好等于各组的方差的均数。 分子部分在体检研中我们应该记得分子是用两组均数相减获得了组件差异，而对于多组情况应该怎么办呢？ 有一个统计量是专门描述数据的离散程度的，就是方差。要是我们想知道三组以上的组间均值离散程度，只需要求他们的方差，就知道他们之间的均值差异是大还是小。所以组间差异相比于组 内变异越大，则 f 值越大，越能够拒绝零假设。回到之前的 f 零界值查找，我们设定阿法值为零点零五，然后根据自由度来找到我们的临界值。放上分去的自由度有两个分子，部分的自由度为 df between 等于 k 减一，其中 k 是组数分母部分的自由度， d f v c 等于 n t 减 k， 其中 n t 为总样本量。根据自由度公式，我们知道 d f between 为三减一等于二， d f v c 为二十八减三等于二十五。然后我们再查表， 这张表是在 off 为零点零五十对应的 f 临界值。这里只截取了部分的表，所有的自由度都能从一到正无穷。每一列对应的是 d f between， 而每一行则对应不同的 d f v z。 在我们这里找到了 d f between 等于二， d f v z 等于二十五， 则我们可以确定 f 零戒指为三点三九。找到零戒指以后，我们就可以通过公式计算 f 值，然后对比 f 值与 f 零戒指之间的差异，就能够确定组间是否存在显著差异。 那么假如我们得到的 f 值为五，那么我们就能够拒绝零假设，说明医学、心理学和生物学的学生在推理能力上是存在显著差异的。而如果我们得到的 f 值为二点五，那么我们就 没有能够拒绝零假设，说明目前的条件下，医学、心理学和生物学的学生在推理能力上是不存在显著差异的。在这里需要注意两点，第一，我们需要注意当 f 值大于 f 临界值时，我们能够说拒绝了零假设。我们的数据支持倍值假设。当 f 值小于临界值时，我们不建议说接受零假设， 而最好说没有能够拒绝零假设，因为我们只能说明我们当前的证据没有证明某件事情，但不能证明他完全不存在，比如可能是因为研究的某些原因疏忽而导致的。第二 方查分析是无法告诉我们具体哪两组之间是存在显著差异的，比如，当发现结果显著，我们只能说三组之间是存在显著差异的，但是我们不知道到底哪组和哪组之间是差异显著。 回到之前的例子，我们不知道三组之间到底是医学、心理学，还是心理学、生物学，又或者是其他可能的情况，所以我们需要进行伺候检验，才能够知道具体的均 差异是什么样。这一部分可以留到之后再讲。放大分析有许多用法，之前讲的是单因素放大分析，因为只有一个资源量，并且组之间是相互独立的，除了单因素，还有两因素、三因素等。在这里我先介绍一下两因素放大分析。比如除了看三个学科学生的推理能力，那么还想再加一个角度，就是咖啡习惯， 可能喝咖啡的人推理能力会更好。又或者是只有生物学的学生喝了咖啡会提高推理成绩，医学生和心理学的学生就不会提高推理成绩。那么这些发现似乎是更有意义的。 这也是引入第二个自变量的关键，就是可以探讨交互作用，对于交互作用，大家感兴趣可以之后再查。而对于重复测量放大分析是当一个自变量的时候，我们采用的是重复测量。比如我们有一个专门的推理训练， 想要看他对学生的推理能力是否有帮助，于是我们就测量他们在训练前、训练后和训练一个月以后的成绩，然后比较这三组之间是否存在显出差异， 就能用到重复测量方查分析。接下来是混合设计方查分析。混合设计方查分析一般是当我有两个自变量的时候，一个自变量是不同学科，比如医学、心理学和生物学。另一个自变量是重复测量，比如我对不同的学科学生进行推理训练，然后测量他们训练前、训练后和训练一个月以后的成绩， 这时候就能用到混合设计防沙分析。接下来是防沙分析的前提假设，因为防沙分析是参数检验，所以需要遵循其他类似的假设。首先，单一束防沙分析和两一束防沙分析是需要遵循独立水机抽样正在分布防沙起线。 除此以外，重复参加方扎分析，在单一数方扎分析的基础上还要遵循斜方扎分析。混合设计方扎分析，在单一数方扎分析的基础上还要遵循组间斜方扎分析。最后做一个总结，方扎分析主要是用来比较不同组之间的均数是否存在显著差异。方扎分析得到的结果显著，只能告诉我们在这几个均数之间是存在显著 差异的，但是无法告诉我们具体的差异情况是怎么样，必须结合事后检验才能得到具体的差异结论。方章分析的统计量为 f， 当零假设为真实，服从的是 f 分部。这一部分知识可以进一步掌握 社科医学的领域应用到的方法分析，比如单因素方法分析一个字变量且三个及以上的不同水平背时间设计，例如学科式字变量、医学、心理学、生物学三个水平，每个学生只能在一个水平内。两因素方法分析两个字变量主要是关注两个字变量之间的交互作用，交互作用不显著的时候，也能同时关注到两个字变量的主效应。 重复测量方扎分析，一个字变量，且是三个及以上的不同水平背时内设计，例如时间训练前、训练后和训练三个月以后。接下来是混合设计。方扎分析，一般情况下，两个字变量，一个为背时间变量，一个为背时内变量。最常见的就是不同组的人在多个时间被测量收集数据。由于方扎分析涉及到的内容很多， 一直在这里简单的介绍一下方扎分析的原理和应用场景，要是有任何疏漏还请指正。视频制作以分享知识为主，要是大家觉得有帮助还请点赞关注。
2256Psycho小白
04:20查看AI文稿AI文稿大家好，这里是大表哥，今天呢是我们的第幺九九天，嗯，今天继续给大家分享我们的表格函数，是微开的函数，嗯，稍微学过统计学基础的同学们都知道方叉，他是我们统计学当中的一个基础概念。 今天呢，我们就来细致的讲一下方叉函数 vr 啊，它到底是一个什么样的一个内容，我们来看一下。函数名称呢，叫做 vr， 它是可以计算我们低于给定样本的一个方叉值的。然后呢，我们的这个方叉也非常特殊， 他的这个语法构成其中的参数呢，都是由我们数字型的一个参数来做的一个构成来填入的。然后呢，嗯，必须是填入一个，最多呢是填入二百五十五个参数，呃， 来参与到我们的这个 vr 的这个方战函数的计算当中来。然后我们来看一下他有些特殊的备注说明，像那我们这个 vr 函数呢，他是可以假定期参数是呃总体样本或数据代表 整个红旗的话，那么我们此时就是要用到这个 vrp 这个函数来计算方，差了 二点啊，参数可以是数字或者是包含数字的这个名称，数组或饮用都 ok 啊，都可以作为我们的这个 vr 的这样 这个参数来填入和计算的，我们这个逻辑值和直接进入到参数列表中，表数字的文本啊，是被计算在内的。嗯，第四点，如果参数是一个数组或引用和只计算其中的数字数 主或引用中的空白单元格逻辑值，文本值啊，错误值是会被忽略不计不不大的计算的。然后下一点，如果参数为错误值或不能转换为数字的文本，那么会爆出没办法计算，遇到这种类型的一个内容或这种类型的文本， 呃数据的话，要一定要将它剔除掉，删除掉，再来做一个计算。嗯，如果要使计算包含引用中的这个逻辑之后代表数字的文本要使用这个 vrp， 它这个升级版的一个防查计算函数了。而我们的这个 vr 函数呢，它主要是实现这样一个公式内容的 啊，分子是谁呢？就是任意一个值减去他们这一组值的一个平均值，减去到之后落差减去之后的一个值，然后来求平方， 然后再汇总求和，再处于我们啊整个数据个数点一按哪个指呢？作为一个分母，他得到的指就是我们此时此刻方叉 v r 这样的函数，他的具体算法我们来看一下嘛，因为他这也提示到了我们此时 a k 十是样本平均值， n 的这个样本的一个大小，这样的一个内容是样本大小， x 呢，是样本的一个平均值，而且可以用这个的，也可以用我们这个 rv 函数，直接可以快速的计算出来。我们直接来看一下案例，他到底是怎样进进行计算的呢？ 嗯，在我们的这个 a 年当中，分布了我们这个强度相关的数据，它同样啊是属于一个绝对数的一个类型，分布在 a 二到 a 十一啊，总共是有四条数据。 那么计算我们这样一个呃强度，他的一个方差差值要怎么计算呢？非常的一个简单， 我们首先写入等号，然后填入我们的这个 vr 函数，然后直接框选我们这样的一个呃数组区间 a 二到 a 十一的一个范围，直接回车就 ok 了，此时此刻就能得到我们这样一组数据，他的一个方差的呃浮动的一个范围 啊，保证一位小数四十五的话就是一个七百五十四的一个内容。这是今天我们给大家分享的我们方差函数 vr 的一个基本的 啊入门案例跟基本的一个算法和解释啊。如果说大家一遍没看懂的话，可以收藏点赞多看几遍哦，如果还是看了三遍也没有读懂的话，有没有学会的话可以在 给我们大表哥留言，我们呢也是看到了会第一时间回复和给大家答疑的。今天内容就到这里啊，我们下期课再见！拜！
04:49查看AI文稿AI文稿大家好，我是二幺幺统计课堂王老师。本节我们接着来讲怎么在一个三二里面计算样本方差这个数据资料呢？我们已经得到了，这是四十名学生的考研成绩， 那么我们知道样本方差的公式，它是等于 cmx 减 x 八的平方，再除以 n 减去一，除以 n 减一，所以我们这边呢，应该先把平均值算出来，我们这边呢用一个内置函数， 哎不瑞奇，哎不瑞奇，这个内置函数啊，把我们的数据呢选进来，选到第一个数以后呢， ctut 下箭头啊，大家看 下我们的数据呢是 a 二到 s 十一，确保我们是四十个数据，不要出错啊，四百零四点二二五， 然后呢我们是 x 减去 x 八，我们等于让每一个关侧值减去样本平均数啊，减去平均数，这边呢要平方一下，这边平方一下 啊，这就是我们的平方。还有一点呢，我们要求的是每一个数呢，减的都是同样一个平均数，所以说我们要求的是 列不要变啊，列要绝对，所以说我们这地方在这个地的后面呢，加一个美元符号，引用一下啊。回车， 这个时候呢，我们已经写好了，第一个就四百三十八，减去四百零四点二二五，他的平方是一千一百四十点七五， 这个是我们移动鼠标的箭头啊，移动鼠标当他到右下角的时候变成黑色十字，迅速双击， 那这样的话呢，就完成了全部四十个数据的每一个数据都和这个平均值相减的结果。 来这地方呢，我们还有求和，求和的话我们这边直接输一个萨姆函数啊，萨姆函数， 萨姆啊萨姆，但这萨姆的话呢，我们可以对这四十个数呢进行萨姆康之系加这个下箭头 上 a 二到 a 四十一啊，就是这个，比如说四十个数的平均值总数呢，是一六一六九，往右边拉一下啊，右边拉一下， 那这样的话呢，得到八十二点九八啊，那所以我们的样本方差就等于什么？ 每一个个体呢，和平均值相减的平方再除以多少呢？除以 n 减一，所以这边应该除以三十九啊，不能除以啊，四十啊，三十九，二百一十五点九七三七， 这是方叉，那么标准叉的话呢，我们应该取一个根号，对吧？取根号选正的啊，十四点六九 六零四啊，四点六九六零四，那这就是我们的通过手算的样本的方差和样本的标准差 这个全部的公式，我们可以通过 ctrl 加加号，然后再加这个波浪线三个组合来得到， 大家可以看到这就是我们的公式公式，你看每一个数，他的列啊，他减的第二个数是不是都是同样一个数啊？ 这里面的关键是我们要把这个美颜符号呢放到这个呃字母的后面，也就是数字的前面，这是我们的关键，这种处理的技巧呢，这种方式我们以后呢 还会用得上，如果说想回去，那么我们还是 ctrl 加波浪线，哎，这样话呢，就有回去了，就他可以在公式和结果之间不断的进行转换。 所以关于这个公司的这个引用呢，大家呢刻下一定要好好的去理解一下，这种基本的计算这个技巧呢， 基本上会贯穿我们整个统计方法的整个过程。好，本节课内容就讲到这里，感谢大家的聆听。
859贰壹壹项目数据分析服务
16:29查看AI文稿AI文稿um， hey guys， welcome back to my channel so um， thank you so much for all the attentions and support and all the likes and comments really appreciate that um， thank you so much thank you so much from the bottle of my heart um， i never， i never it never occurred to me that i will have that that many followers and viewers on b site so all of a sudden b site is very friendly yeah， so thank you so much for all the support and if you like me to show 中文？ please let me know as i as i said before。 呃。说中文完全没有问题。说中文完全没有问题。 um， however。 说中文如果是在讲讲一些呃，讲课的话对我来说比较比较 challenging um， 非常非常 challenging。 um。 因为很多的 中文的翻译我需要 google translate， so， but 其他时候的说中文完全没有问题的，知道非常会让人讨厌。有的时候说中文又有说英文，为什么不能只说中文或只说英文？ yeah， so please let me know your preference i will i will try my best because this is videos for you okay this video is for you and yeah today let's talk about the math part of a nova any any questions let me know let's get into it let's go through the math part of a nova test okay a nova test i'm ready here a nova， so last time yesterday， i give you this data right， so if the professor gave the reading excellent x one and then you have some values of y， which a test score a hundred ninety five ninety when x equals x x two you have the value y ninety eighty five and eighty when x equals x three you have the value， y eighty seventy， five and seventy okay， i said that it can easily compare the sample mean， so for 3 sample ex bars of 1 equals 95 second sample ex bar okay i should be i should use y bar right because that's the average that's expected value y given the value of x so this is y bar y bar sub two equals eighty five and a y bar sub three equals seventy five okay， so that s sample means we said that we for nova test we are testing no hypothesis whether me one equals me two equals me three which indicate that there's no treatment effect that means housing like professor would not affect the student test score right again so， if you haven't watched the video yesterday that's for a nova test and then you work that video i give the kind of intuitive， understanding or explanation of a nova so， this x is a student teach as of the professor rating right， one is excellent to his affair and three is poor and y is test score so you want to find a relationship if population mean scores are the same that indicate regardless how much you like the professor your test score would not be affected so different professor reading different reading will not yield different mean scores and alternative one okay， so maybe alternative one is at least one population me is different from others okay let's focus on the calculation part， so we said that we test the weather population means are the same through testing variances right and we are using f test here so you should know what f test what's a variable f f is basically is variable we had f， one， f， two， f three and if you organize all the values of f it follows f distribution so， this is a probability is a positive skewed like this kind of distribution so it depends on two primeaters gee reese of freedom in the numerator gee reese of freedom in the denominator okay， that's f test that's f distribution so each value should know that this is that's kind of the key to understand intuitively what the verbal f is so this is a ratio of two variances so two variances that's f test so that means for different two different samples you have different sample variants right， so you have different two samples you have different values of this variable so this f is actually a variable different sample you have for different samples you have different sample versions and then you have different ratios of two versions so have different values of f and if you organize all the values of f into a probably distribution to follow f distribution okay， that's it so now because we said right so the total i rather total variation and test score and a part of the variation test score can be explained by professor reading， so that's variation um and y test score that can be accounted for or explained by a professor reading and fractional variation and why uh can be attributable to some and observed virubles right explained by some errors so we said that this evariation so variation but f is a variance right that's the difference variation divided by degrees of freedom that's various okay variation divided by degree freedom you will get variance so now to calculate total variation and why you should know how to calculate that that's the purpose of this video so now you have that equals each value why um each value one hundred minus overwhelming， so overwhelming to sum up all these values divided by nine is actually getting ninety eighty five each value minus eighty five the second value ninety five minus eighty five plus all the way to the last value minus eighty five square that you get this is actually a general general form is some each value y absurd value minus y bar square and then you get that value equal seven hundred fifty and part of veheration why can be explained by x that's the key so that's something you need to figure out how to get the veheration why explain by x the thing is you should ignore all the veheration within each group so within this group i say within each group so there's some variation right hundred different from nine ninety five ninety five different from ninety so， but we said that we can use an observe error to explain this variation within each group so by we only look at the veheration y explained by x which just ignore all the voration and y explained by error so we solely look at a voration and y explained by x， so now we just use mean we just use the mean to stand for each value each group mean so now that means we make sure that there's no variation within each group so we only look at the group means so that's seventy five seventy five so now you have this nice new data set the only reason you have different values the only reason for the variation of the data is because the different values acts， so because the treatment because the the in the independent verbal x， so now you can do the you know the the calculation so that equals ninety five minus overall means of y squared plus ninety five minus section three times plus， three times each value of white and the second group of minus overall mean square and plus three times seventy five minus eighty five squared and then you actually got that equals six hundred and the total minus this part actually equals the verition why explained by error which is you only look at the variation within each group so that's the variation within each group so the friends between a hundred and ninety five ninety five ninety five ninety ninety five right so that variation within each group so now you're using a hundred minus o and mean square ninety five minus， owen means square and ninety minus owen group， means square and plus second group ninety minus eighty five square plus all the way to seventy minus seventy， five squared and then you get that equals a hundred of fifty so that's the variation so total variation in y explained by a consistent two parts one is variation why explained by x and the other is variation why explain by errors okay and then you should divided by do the freedom get the viewer and take the ratio of the viewers get the f statistic okay， so now let me let me do this way it was quickly constructed a nova table so have a nova on over table so we have the source of variation i want some i want to add some subtitles to make sure that there is enough space bottom okay source of variation in test score one source is x the other is a and then another this is a column okay so i have that let me just wipe this out and then that plus all the way to seventy minus seventy five squared that equals a hundred fifty right and then we have this some of squares so that's some of squares and then this column degrees of freedom and then mean square and then we have f statistic and then you compare to f creative value and then to determine whether you reject or accept an all okay， so now we have this some of squares eggs error and total so total some of squares ss again ss stands for some of squares degrees of freedom ms is mean square because that's summer square is divided by deer is a freedom so that now you can plug in the numbers so this is a total seven hundred fifty here yeah some of squares that's a variation and why explained by x which is six hundred and this is a hundred fifty degrees of freedom i give you a separated videos to talk more about degrees of freedom actually you have very intuitive way to understand it yeah you can understand duria's freedom very intuitively so i would make another video to only talk about duria's a freedom to focus on derious freedom did， but now derious freedom actually is number treatment minus one two in duet's freedom for error is total number of observations minus number treatment in this case is nine minus， nine minus three you get six and mean squared this one is three hundred a hundred fifty divided by six get twenty five and then f is twelve and then you can calculate p value so that means the f is twelve is here and p value again right check out my p value i have the first educational video that i uploaded on b site is p value so p values the problem assuming that no hypothesis is true and with the probability that they observe the test statistics as extreme as are more extreme than the computer test statistic twelve so that's p value so p value actually can do the calculation that's and another column so p value always depends on the sample statistic that's point zero， zero eight and if you use five percent it's b five point one four that's always be one tail a nova always be one tail test， one tail f test and then you see less than five percent so we reject no hypothesis or the f valley is greater than critical value so we reject know yeah， so we compare the ratio with one okay we compare the ratio with one so that's too far away from one because significant level somewhere i suppose this is a five percent the five percent this pink area but our p value is smaller the smaller the p the better if that means yeah， so at least one of the population means different from others that means the professor reading can yield some significant difference in test scores okay so f statistic is basically f statistics equals a computer value equals s one squared over s two squared that's variance equals variation divided by due use of freedom over variation divided by due is freedom actually three hundred over twenty five equals twelve which is greater than creative value then you reject no hypothesis okay you reject no hypothesis um yeah that's it the keys understand this this math part right total variation and why this how we calculate the variation and div use variation divided variation by uh degrees of freedom you get variants right so this is a total version of y explained by x divided by divided by uh certain division get veerance of y explained by x this is a verence of y explained by error and then this is statistics significantly significantly greater than one right so that's um that means the top is significantly greater than the bottom that means the veriation in why explained by the treatment the different values of x is a statistically significantly greater than the why explain by the error right and then that mean there is some treatment effect that different values x can explain some difference in values of why okay so yeah that's that's a nova math part i hope that this video is not too long and any other questions about the one way a nova and the f test please let me know yeah that's a math part that's one way a nova and f test so any further questions regarding one way a nova and f test and also p value please let me know um。 我我我本来想开一个直播来解答一下关于所有关于 p w 的问题，但是 turn out that i realized。 根本就没有办法开直播。 because i'm physically in in the us so that's a problem if you any， i is how to kaijo life streaming life streaming let me know if you know feed on feet on grateful that any any ideas come up and then help me solve that problem any any question let me know send me messages and see you in the next one bye。
71小叶的灵魂自省
00:27查看AI文稿AI文稿有小伙伴问，如何找到 xl 中的数据分析工具库？在快捷菜单中，右击鼠标，选择自定义功能区，单击加载项，选择 xl 加载项，转到 勾选分析工具库确定。此时在数据里面就会出现数据分析，这里有各种数据分析工具库，包括假设检验、方查分析、回归分析等等。
1140孙斌说数据
02:14查看AI文稿AI文稿前面我们学习过两读量，本 t 检验主要用于两组连续型正态分布的数据比较，但如果需要比较三组以及以上的连续型数据， t 检验分期方法就不合适了，此时必须要借助单因素方式分析。 单因素方差分析用于检验三个或三个以上的样本均数是否存在差异，亦成为 f 检验。进行单因素方差分析的数据应该满足以下两个条件，第一个，正太性，也就是个样本，是相互独立的随机样本，服从正态分布。第二个，方差其性， 各样本的总体方差相等。对于正太性，我们需要进行正太性检验。对于方差其性，我们需要进行方差其性检验。 我们来看案例，为了探讨不同教学方法对铅球教学效果的影响，将条件基本相近的三十二秒 学员分为了三组，分别实施以 a 一、 a 二和 a 三三种不同教学方法。经过一学期的教学测的成绩，问不同的教学方法之间是否存在着差异？首先，数据的正大性检验前面讲过，我们这里就不做了，我们已经验证该数据是服从正在分布的。 那么我们在 sps 数据中依次点击分析比较均值。单因素方差分析。在单因素方差分析窗口中，将音变量推铅球成绩放入音变量列表选项框中， 将处理因素叫法放入因此选项框中，点击选项选中描述性和方差。同志性检验，点击继续确定。方差分析有三张表，他的结果，第一个表示统计描述，包括均数标准差、 标准物百分之九十五的执行区间以及最小值和最大值。第二个表示方差其性检验结果显示，方差其性检验的 p 值等于零点二五二，大于零点零五表示方差，其性，可以采用单元素方差分析。 第三个表示方叉分析结果结果显示 f 等于六点零零六， p 等于零点零零六，也就是小于零点零五的，说明多组总体均数存在显著性差异。以上就是方叉分析的操作，你学会了吗？还想学习哪些操作方法？评论区里告诉我吧！
1676追梦吧，少年
12:34
09:15
14:59查看AI文稿AI文稿大家好，这一次的内容是差异分析的几种分析方法，那么我们在这个实际的研究中啊，差异分析使用的频率非常的高， 比如说对比这个不同群体啊，比如说不同性别，或者是说不同学历人群，他们的这个 消费态度的差异情况，也或者是说啊比较不同区域啊，一线城市，二线城市，三线城市，他们的这个啊，网络购物的这种啊，消费金额的这种差异， 那么这种都叫做差异分析。那么差异分析呢，需要根据我们齿盒的这个数据类型，然后选择正确的分析方法啊，那么有 几种差异关系啊，第一种叫做我们的体检验啊，还有叫方差分析，还有叫做卡方检验啊，也或者是其他的一些什么双因素，三因素，多因素方差，他都叫做方差分析啊，还有一个叫什么 z 检验之类的，都是做我们的差异分析， 差异分析呢，他是探索这一个事物的内在规律，那么有关系，那差异呢，是一种关系， 探索内在事物的一种规律关系的情况啊，使用的分析方法啊，他统称都叫做我们的差异分析。 那么我们在接下来讲一下啊，第一种叫做体检验啊，体检验呢，它是对比，比如说实验组和对照组之间的这种差异关系情况啊，那么啊，有一个特别 说明一点，体检验他只能对比两组数据的差异，比如说男性和女性，他就是两种啊，实验组对照组他也是两种啊， 如果说你是三组，你比如说你的学历是这个啊，本科以下，本科本科以上，那么这就三组数据，那三组的时候呢，他不能用体检验，用体检验他这个方法他就决定了，他只是对比两组的，一般就是这种实验组对两组的这种差异，比如说这个 啊，实验前啊，有做了一次实验，那个实验前的时候，这个对照班和实验班他的这个成绩的差异啊， 实验后对大班和啊实验班他的这种成绩成绩的差异啊，那么如果说你是三组啊啊，或者更多组呢，他就应该用这种方差分析，用的会比较多一点啊，比如 说这个啊，不同学历群体，他们的这个网购消费金额上有没有明显的差异，那么这种叫做方差分析， 还有个叫做卡方检验啊，卡方检验呢，他是住的是也是差异，但是呢，他住的是这种类别数据，什么叫类别数据啊？ 比如说啊，这个，嗯，不同的区域，一线城市，二线城市，三线城市，那么这个名字叫做城市，对吧？这是一个类别数据，那么啊，另外一个数据他也是一个类别的，比如说这个啊，嗯， 是否购买这种理财产品啊？适合否啊？或者愿意或者不愿意，愿意不愿意，他是两种类别的群体，对吧？啊，那么这一种呢？也是 啊，类别数据，类别数据和类别数据之间的这种差异关系呢？应该用卡方检验，而体检验是对照对比两组数据他的啊差异，那对于什么的差异啊？对于一个定量数据，我刚刚说了对照组和实验组的成绩的差异，成绩是一种定量数据 以及防查分析啊，他也是类别数据和定量数据之间的差异关系，用的防查分析，那么我们接下来以这 sps au 系统为例，来更详细的讲解一下啊。嗯， 这个数据呢，是这个 spcu 系统，他的一个默认的一个自带的系统数据，那么你看一下这个体检验，首先看体检验啊，啊，比如说这个性别，对吧？然后呢再做性别是一个类别数据，那么比如说这个啊，网购的经 金额数字越大，说明呢？购买的，嗯，这个情况越多，对吧？啊？购买的金额越大，那么这个是一个定量数据，先别是分成两个类别，那么他就是类别数据，我们开始分析 啊，性别是两组，对吧？啊？开始分析，哎，分析的时候，他提示你只能为两组，比如男和女，哎，按理说性别就是男和女啊，那这个时候怎么办？你去检查一下他啊，检查一下性别，看有没有什么问题，做一个评述分析，看一下啊，性别啊， 出来之后，哎，你看见他有个男，有个女，还有个叫做保密他，其实他就删除了，对吧？说，因此呢，呃，那么 他的这一个数据已经不是两组了，那你就是三组了，其实应该用放差分析，但是呢，这个保密他就一个样本，你把它筛选一下，对吧？然后把这个体检验做一下筛选样本，把性别 筛选一下，啊，啊，小于小于三吧，那就一和二，对吧？啊？然后然后再做分析，开始分析， 那么得到了就是 t 点零的这种差异，当然了这里也显示这个 p 值大于零点零五，没有差异。当然智能分析也会进行一些描述啊，你直接看智能分析和分析建议就可以了， 这是梯形页。那与此同时呢，我们来再来看一下这个方差分析啊，我把这个筛选给他取消掉，放弃筛选，那么比如说这个城市群体，城市啊，那我可以先做一下评述分析，对吧？啊？城市把它放进来， 城市不分成一线城市，二线城市，三线城市，对吧？我想分析城市不同城市群体，他们的这个啊，网购金额上有没有区别？那么把这个城市放在这个里面，但城市 他就不能做这个啊，三个城市了，他就不能做这个，我们的家做什么啊？体检验了网格金额，当然你还可以换那种什么啊，网格频率也可以做，对吧？开始分析， 这不就直接就帮你得到放他分析的结果啊，但这显示都没有什么区别啊，这是一个系统数据啊，没有什么区别，以及智能分析呢，也会进行描述， 这就是我们的这个啊啊，方差分析啊，记住啊，这里的这个对比的数据就这个 y， 他是定量数据啊，这里已经写了是 y 是定量数据啊。 啊，除此之外呢，还有个叫做卡方检验，或者叫交叉卡方码啊，那我们来看一下，比如说城市他是不是属于一个我们的典型的类别数据，那 y 也是类别数据，那什么样类别数据啊？比如说平台的编号啊，你是 编号这个啊，淘宝购物还是说京东购物，还是说天猫购物或者是什么啊？其他的树林之类的购物，对吧？啊？开始分析， 那么得到了就这样一个表格，他是卡方值啊，显示也是没有差异的，就是说对于这个啊购买平台他是没有什么啊差异的，那么这一种呢，应该用加他卡方，为什么用加他卡方呢？因为数字越大他越有意义，这个要定量数据， 数字大小他只代表就类别啊，像这个平台编号数字一代表淘宝，二三四五，对吧？数字只是一种代表，类别， 类别数据他是不能求平均值的，他只能算平数，算个数啊，你比如说我们把这个选成数字，对吧？那么一线城市呢？有两个选择淘宝啊，三十个选 选择苏宁啊，二线城市类三十八个选择苏宁，对吧？啊？三线城市有五十个选择苏宁，那么这种呢？他只能算个数，计算个数，类别数据他只能算个数，那么这种数据呢？他只能做类别和类别数据之间的关系，就叫做我们的这个交叉卡方啊，交叉卡方， 这是卡方检验，都是研究我们的这种差异关系。那你要做这个飞行之前啊，首先一定要确定好你的这个数据类型是什么， x 是什么，弯是什么，然后对应的放进去做分析就可以了啊，这是我们的这个差异分析， 以及呢，还有一些地方需要说明一点，比如说啊，比如说我们的这个数据啊，如果说你的这个，嗯，数据，比如说 我们现在要做体检验，有个叫做钙药体检验，什么意思呢？比如说你只知道两组数据，比如说刚刚的这个男和女，他的这个消费金额，比如说是每年，对吧？啊？一千三 满五十元啊，第二组呢，是女，他消费金额是一千三百八十元，对吧？啊？然后呢，你这有个标准差啊，比如说是十二，比如说十一啊，样本量是一千个啊，这里是两千个， 那么你只有这六个数字啊，平均值标准差页面量只有六个数据，就你没有原始数据，你只有这种汇总数据了，那么这个时候你又想做这个体检验，那么就可以用这种干药体检来做啊。干药体检验，比如说这个心理学里面有的时候做的什么啊？肠膜啊，那么这个分析肠膜 实际数据的这种对比差异，那么他可能可能用到这个该药体检验，但是绝大部分的时候呢，是使用这个，因为你绝大部分的时候你是有原始数据的，对吧？啊？可以做。除此之外啊， 还有一些差异性的这个分析方法啊，比如说这个方差分析的时候啊，啊，从理论上讲，他是需要一个叫做方差齐啊，什么叫方差齐呢？就是 三个城市，对吧？一线、二线、三线城市，他们的这个波动情况应该是一样的啊，这个叫放大器，所以说如果你来做放大器检验，在这个地方啊，做放大器， 那么啊从理论上讲了，这个放大分析需要放大七之后再做放大分析，这是理论上啊，但事实上呢，很多时候不做，因为他是放大分析很稳健啊，得到结论很稳健。如果说你要做这样的啊，这个批值一定是大于零点零五，说明放差 起，那如果说你发现方向不齐了，对吧？啊？方向不齐了，那怎么办啊？你依一种方法是可以做这种分拆数检验啊，分拆数检验，那 而不是使用方差分析。如果说你要考虑方差是否起了这样的一个问题啊？那比如说我把这个啊城市放进来，对吧？啊？网用金额和这个网购频率放进来，嗯， 这是非参数，检验结果也是一样的，但是他的统计指标指的这些是 h 值了哈， p 值也是看 p 值来看这种差异。 这是如果说你考虑这个放大齐或者不齐，也或者是说如果放大不齐呢，可以用这个啊，沃尔齐和啊 bf 这个啊，放差这两种呢，也是针对放大不齐的时候提供的啊，方法啊，一般时候啊，直接是上次不考虑放大，是 相齐的，直接分析就可以了，因为方差分析他的这个稳定性很强，就是说你即使放差不齐，他的这个结论稳定性也是比较强的啊，这是我们的方差分析， 那么接下还有一种差异，什么叫差异啊？我们在这个啊，得到之后，比如说一线城市、二线城市、三线城市啊，我我我把这个换一下啊，我再换一个满意度啊，就把 把这些低量数据都放进来啊，哎，你发现说不同城市他的这个网购满意度和忠诚度是不一样的，对吧？这个批值小于零点零五，那么我们啊， 满意度和忠诚度啊，假设我们就做这两个，那么你发现他这个这个满意度和忠诚度是不一样的，对吧？哎，不对啊，我搞错了，这个是放大体检，应该用放大分析啊，这两个的这个啊， 出现了三个城市，他的这个网购满意度、忠诚度是不一样了，那么具体怎么样个不一样呢？你要具体分析的时候，到底是一线城市和二线城市有差异，还是一线和三线有差异，二线和三线之间有差异， 对吧？那么一种做法呢，是直接看这个平均值啊，这个加减符号前面这个就叫平均值啊，三点，这这写啊，平均值加减变成比尔差的这种标准的格式，那么明显的一线城市他的这个满意度最低的吗？二线和三线的满意度比较高啊，那么你如果说想非常 深入的去分析到底一线和二线的差异，还是一线和三线的差异，那这么这个时候呢，可以做这个啊，事后多重比较，事后多重比较在这个进阶方法里边啊，啊，事后多重比较也叫做事后检验啊，把这个我们的这个 啊城市放进来，然后呢？还有这个网购买一度中这一个网购中程度，对吧？啊，那么他的生活检验有很多方法，一般用 lsd 是最多的啊， 默认就是使用这个方法，他默认出来表格第一个也是要先做这个放大分析，为什么呢？因为你要做这个社会检验，其实他一定要有个前提，就是说你放差分析确实发现发现了这个有差异的，然后再做这个对比，一线和二线，一线和三线或者二线和三线的差异，对吧？啊？下面这个表格 帮你列出来事后检验的结果啊，比如说这个一线和二线对比，对吧？有差异，一线和三线对比有差异，二线和三线没有差异，那么说明呢？一线这个网购满意度的差异具体来源是一线和二线，一线和三线、二线和三线是没有差异的，对吧？这就是更深入的这个事后独宠比较 的一种分析呢。啊，这是我们的这个方差分析，那与此同时来方差分析啊，其实如果说再深入的这个话费啊，他其实又分为什么啊？双因素，三因素，多因素， 那么我们上面这里也有一个叫方查，这个叫什么，这个叫单因素，什么叫单因素呢？就 x 的个数就一个叫单因素，这个是绝大部分都用这一个，百分之九十五以上都是使用这一个。 如果说你是做这种实验性的一种研究啊，实验性的研究，他有可能要容纳什么双因素，三因素或者多因素防查啊，一般情况下呢，他直接就是这个单因素防查啊，重复的进行， x 个数有多个重复的进行就可以了啊，这是 方差分析的。另外呢，还需要说明一些地方啊，我们的这个数据格式也是很重要的，我们来看 看一下这个 sps au 系统里边说了这一个这三种方法的这种数据格式，我们来看一下哈。啊，在这个 sps au 学习里边的常用研究方法，数据格式啊，那么我们首先来看体检验吧啊，先从体检验开始啊， 这体检验他的格式数据格式是什么样子的，哎，类似于这样子啊，左边 x 他只能有两个，一和二，你或者是起身男和女，你上传他会自动帮你编码啊，成数字一二这样子的啊，分析一下。歪，那如果你的数据不是这样子，哎，那你需要把它组 组合成这样子啊，比如说你的数据，是啊，有两列对吧？你就有两列数据，那么你希望对比这两列的差异，对吧？那你把这个数据给他啊，重叠在颜色里面，重叠成这个啊，数据造型，然后呢再做分析就可以了啊。
400SPSSAU
