不同分析问题需要使用的分析方法

集合之间平均值校验	集合之间平均值校验	变量关系比较	变量关系比较	变量关系比较
1 ~ 2 个的集合	多个集合(2个以上)	范畴型变量独立性校验	数值型变量间线性关系	一种数值型变量与N个变量间的关系
T-test（2个group,比如男女身高差)	ANOVA（eg.比较大学学科间考试成绩差的情况）	Chi Square	相关分析	回归分析
One sample T-test（e.g.肉的重量是否1kg） Paired T-test（比如减肥前后，特定集合的前后比较） Two sample T-test（比如比较男女身高的求两个集团的平均）	One way ANOVA （ANOVA有一个独立类型要素时使用一元分析，如求出家庭收入对食品消费程度的差异时使用） Two way ANOVA(有两个独立要素时使用，比如考虑跟学历及性别有关的消费金额的差异；不在ds级别范围）

求一个因素的双侧检验	One Sample T Test	H0:体温等于97.7 H1:体温不等于97.7
统计某一列的均值等	Statistic Summary
对应的两个(同样/类似)集合差异比较，有before-after关系的验证	Paired T Test	如各州10年间增加的犯罪平均是否是170（即10年后的数据-10年前的数据=170）
比较两个相互不同的独立group间的平均差异。	Two Sample T Test For Stacked Data	如男女体温的平均是否有差异。对立假设: •男性平均体温与女性平均体温有差异
集合之间平均值校验，独立变量只有一个-	One Way ANOVA

T检验

T分布

用于根据小样本来估计呈正态分布且方差未知的总体均值。

t分布特征

(1)单峰分布，以0为中心，左右对称;

(2)自由度越小，峰部越矮，而尾翘得越高;

(3)当自由度增大时，t分布逼近u分布(标准正态分布)，当自由度无穷大时，t分布就是标准正态分布;

(4)t分布是一簇曲线，自由度不同，曲线的形状不同

参考 <https://www.360kuai.com/pc/999af5d60c3b37c14?cota=4&kuai_so=1&tj_url=so_rec&sign=360_57c3bbd1&refer_scene=so_1>

T-test

用于小样本的两个平均值差异程度的检验方法，是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。

T统计量(T-statistic)和T检验（T-test)

t-test是指用T-statistic来做假设检验(hypothesis testing),而T-statistic是根据model计算的,用来做检验的统计量.

正常T-statistic应该在0假设(null hypothesis)为真时,服从T分布(T-distribution).

T-test时根据T-statistic值的大小计算p-value,决定是接受还是拒绝假设.

参考：http://blog.sina.com.cn/s/blog_6cb445270102ymkq.html

One Sample T-test

在知道样本均值时验证平均差的时候使用。

具体体现为：比较平均值与特定数字相同/大/小时使用

Paired T-test

对应的两个(同样/类似)集合差异比较。

对立假设:

减肥前后的体重变化不是0
使用心得学习方法后成绩差异不是0
同一时间段内A代理店与竞争B代理店的卖出额差异不是0

例如两个集团，各8个a资料，自由度是8-1=7

Two Sample T-test

比较两个相互不同的独立group间的平均差异。

对立假设:

男性平均体温与女性平均体温有差异
A品牌轮胎与B品牌轮胎寿命有差异

t=group间平均差异/group内变动

group间平均差异比gourp内变动明显很大的话，验证统计量就会更大，P值变小，就能驳回H0假设。

Two Sample t-test 从下面三个基本假设出发：

1.独立性(Independency) ←各观测值不会互相影响，比如男子group和女子group互相独立

2.正态性(Normality) ← 根据独立变数的从属变数满足正态分布的正态性，只要样本量增加就能自然的解决

3.等分散性(Equal Variance) ←根据独立变数的从属变数分布的分散在各group相同（因等分散与否，分析方法不一样）

分散：反应在统计里变量的平均的距离；分散相同的情况叫等分散，这种情况使用学生t分布；分散不同的情况叫E分散，使用E验证。

学生t表格

学生t表格，行为d.f.（自由度），列为1-α

（个人理解：服从t分布的对应自由度和概率下的t临界值）

例如：n=5，自由度为4，第5列值为2.132，对应的单侧值是95%，双侧值5%，

表示T<2.132的概率是95%（单侧），

记为Pr(−∞ < T < 2.132) = 0.95；T介于-2.132和2.132之间的概率为90%（双侧），记为

Pr(−2.132 < T < 2.132) = 0.9

参考 <https://baike.baidu.com/item/t%E5%88%86%E5%B8%83/299142?fr=aladdin#3>

ANOVA

Analysis of Variance 方差分析/分散分析：同时判断多个正态总体均值是否相等的统计方法。

F分布假设验证的方法。

例如：可以比较三个集团以上的平均，性别、年龄段SNS使用时间的两个以上变量的比较

独立变量只有一个----一元分散分析
独立变量有两个以上-----二元分散分析

ANOVA有下面三个基本假设：

独立性(Independency)
正态性(Normality)
等分散性(Equal Variance) （方差相同）

等分散性验证方法(Bartlett’s test)。

方差：（各个值-平均值）的平方和/样本个数

零假设和对立假设

零假设: 所有集合的平均一样,

对立假设:集合中至少有一个以上的平均不一样.

事后校验

采纳对立假设的情况下，接着有些group的平均相同与否要进行多重比较，这个叫事后验证。

事后校验：两两校验，有名的方法是Duncan, Tukey, Scheffe。

Ex： { G1, G2, G3, G4 } 4个集合事后校验=> 组合数: 4个里面选两个nC2=6

Tukey是把group组成对即pairwise检查。

SSA:如果各group的样本平均值相同时没有差异，SSA会为0.

SST=SSE+SSA

MSA=SSA/(k-1) 平均平方

MSE:误差平方

残差error : 所以是SSE

SST中T表示total

MSE=SSE/(n-k)

F=MSA/MSE ~F(k-1,n-k)

分散分析表/方差分析表

方差来源	平方和	自由度	均方	F值
因素A	SSA	s-1	MSA=SSA/(s-1)	F=MSA/MSE
误差	SSE	n-s	MSE=SSE/(n-1)
总和	SST	n-1

离差平方和与其自由度的壁纸，称为该离差平方和的均方，记为MS.

组内均方(组内方差）：MSE=SSE/（n-s)

组间均方（组间方差）：MSA=SSA/(s-1)

T检验 ANOVA相关推荐

【定量分析、量化金融与统计学】R语言方差分析ANOVA（F检验）
目录一.前言 Fixed-effects models.Random-effects models.Mixed-effects models. 二.ANOVA使用的前提假设与假设检验三.ANOVA ...
SPSS数据分析中出现的常见问题总结
总结最近数据分析过程中遇到的一些问题的思考 1.问卷中多选题的录入与分析 2.数据分析流程的第一步:对所分析的样本数据本身的特征结构进行预分析 3.根据数据中的某个因素的几个水平来分析数据总体的差异性 ...
使用MicrobiomeAnalyst统计和功能分析微生物组数据
文章目录使用MicrobiomeAnalyst进行微生物组数据的全面统计.功能和元分析摘要背景Introduction 分析流程和界面设计图1 MicrobiomeAnalyst工作流程概述. ...
NatureProtocols：使用MicrobiomeAnalyst统计和功能分析微生物组数据
文章目录使用MicrobiomeAnalyst进行微生物组数据的全面统计.功能和元分析摘要背景Introduction 分析流程和界面设计图1 MicrobiomeAnalyst工作流程概述. ...
Nature子刊：教你零基础开展微生物组数据分析和可视化
使用MicrobiomeAnalyst进行微生物组数据的全面统计.功能和元分析 Using MicrobiomeAnalyst for comprehensive statistical, funct ...
rda分析怎么做_数量生态学笔记||冗余分析（RDA）
上一节数量生态学笔记||冗余分析(RDA)概述中,我们回顾了RDA的计算过程,不管这个过程我们有没有理解透彻,我希望你能知道的是:RDA是响应变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA ...
【转载】SPSS数据分析中出现的常见问题总结
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/m0_37752335/article/details/77526766 总结最近数据分析过程中遇到的 ...
rda冗余分析步骤_数量生态学笔记||冗余分析（RDA）
上一节数量生态学笔记||冗余分析(RDA)概述中,我们回顾了RDA的计算过程,不管这个过程我们有没有理解透彻,我希望你能知道的是:RDA是响应变量矩阵与解释变量之间多元多重线性回归的拟合值矩阵的PCA ...
R语言 CHAR 09
一元线性回归确定因变量与自变量的关系建立线性关系模型,并对模型进行估计和检验利用回归方程进行预测对回归模型进行诊断绘制散点图 library(car) scatterplot(销售收入~广告 ...

T检验 ANOVA