方差分析--T检验和F检验的异同
最近在图书馆借了本《R和ASReml-R统计分析教程》,林元震和陈晓阳主编的关于R的书籍,当时看上这本书的原因在于里面以统计学知识为主,作为R语言实战的良好补充,虽然R语言实战是一本相当详实的介绍R语言的书,但是其中的统计学原理往往一笔带过(虽然本书也不是很详尽),但是作为一个数据分析从业人员,我感觉对于很多统计理论,达到可以讲明白原理和逻辑就可以,具体的计算过程和推导反而在其次,而最重要的是在什么情况下应用什么算法和模型,这才是最关键的。
这篇博客分享下对方差分析的理解。
其实在之前的文章中,对t检验相关说明比较多,而方差分析和t检验方法的功效和作用非常相近,网上对此也不是很详尽,下面首先说说我的理解。
这里说的t检验是双样本t,也就是两组数,看这两组数据对应的总体差异;方差检验也是看两组(及以上)的数据见有没有差异,那么其实二者是不是一样呢?
其实在某种程度是一样的。下面的情况分为两个维度:检验的组数和组内方差
情况1:仅有两组,且组内方差相等
在这种情况下,t检验和F检验相等
我们看下F检验的原理,F检验是看F分布,而F value是SSB/SSW,关于SSB和SSW可以参考可汗学院有一节专门讲组间平方和(SSB)和组内平方和(SSW),如果我们把组间平方和理解为两组之间的差异,组内平方和理解为两组内部不同数据的差异的话,那么简单点说,两个数据在有差异的前提下,究竟是组间的差异大,还是组内的差异大呢?如果是组间的差异大,那么这两组数据本身不一致的概率就非常大了,对应F值比较大;
那么看看两组的t检验,t检验的前提是两组数据都是从不同样本抽出的数据,而样本都符合正态分布,然后用这两个样本推断这两个总体存不存在差异;举个例子,我有一缸黑米,和一缸白米,为了看这两缸米的密度有没有差异,用小勺各盛了十次,观察密度,然后用小勺的十次,去判定总体的差异;如果想用t检验,前提假设是由于随机误差,两缸米在抽取的时候密度会有随机误差,那么每次抽取的密度都呈现正态分布,还有一个假设,就是两个勺子盛的米离散程度是相等的,也就是方差相等。所以,在方差相等,或者说方差齐的前提是t检验的必要前提。而F检验不要求方差齐,或者说本身就是检查方差的差异的。
按照之前的定义,如果两组方差齐,由于F检验的F值是SSB/SSW,组内方差相等,如果两组有变异,那么全部都是由于组间差异造成的,F检验自然成了t检验,下面附上F检验和t检验的代码和结果(数据参考了《R和ASReml-R统计分析教程》中的数据):
weight<-scan()
16.68 20.67 18.42 18 17.44 15.95 18.68 23.22 21.42 19 18.92 NA
V<-rep(c('LY1','DXY'),rep(6,2))
df<-data.frame(V,weight)
a<-subset(df$weight,V=='LY1')
b<-subset(df$weight,V=='DXY')
var.test(a,b)
t.test(a,b,var.equal=T,paired = F)
t检验的结果是:
Two Sample t-test
data: a and b
t = -2.1808, df = 9, p-value = 0.0571
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-4.86513222 0.08913222
sample estimates:
mean of x mean of y
17.860 20.248
F检验:
fit<-aov(weight~V,data=df)
summary(fit)
结果:
Df Sum Sq Mean Sq F value Pr(>F)
V 1 15.55 15.55 4.756 0.0571 .
Residuals 9 29.43 3.27
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
1 observation deleted due to missingness
可以看到p值都是0.0571,相等,因为前提是在t检验中加入了var.test,然后设置参数var.equal=T。下面看看方差不等的情况:
情况2,两组数据,方差不齐
在这种情况下,如果忽略了方差齐的前提,比如我重新做一组数据,先检测防擦:
weight<-scan()
16.68 20.67 18.42 18 17.44 30 18.68 23.22 21.42 19 18.92 82
V<-rep(c('LY1','DXY'),rep(6,2))
df<-data.frame(V,weight)
a<-subset(df$weight,V=='LY1')
b<-subset(df$weight,V=='DXY')
var.test(a,b)
看到检测结果:
F test to compare two variances
data: a and b
F = 0.038913, num df = 5, denom df = 5, p-value = 0.002832
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.005445095 0.278085194
sample estimates:
ratio of variances
0.03891273
p为0.002832,所以方差不齐;
但是然后我们进行方差齐的t检验:
t.test(a,b,var.equal=T,paired = F)
Two Sample t-test
data: a and b
t = -0.98304, df = 10, p-value = 0.3488
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-33.77097 13.09431
sample estimates:
mean of x mean of y
20.20167 30.54000
看到两组均值相等的概率好大;
方差不齐调整后的t检验:
t.test(a,b,var.equal=F,paired = F)
Welch Two Sample t-test
data: a and b
t = -0.98304, df = 5.3885, p-value = 0.3676
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-36.79643 16.11976
sample estimates:
mean of x mean of y
20.20167 30.54000
P值是0.3676 稍微比之前大一些;
F检验:
fit<-aov(weight~V,data=df)
summary(fit)
Df Sum Sq Mean Sq F value Pr(>F)
V 1 321 320.6 0.966 0.349
Residuals 10 3318 331.8
p是0.349;这和t检验在方差齐的前提下是相等的。
我理解是这样的:
t检验的前提是方差齐,只有方差齐了,t检验的结果才反应两组数据的是否有差异,否则如果方差不齐的话,会把组内的差异也考虑进去,所以判定的概率就更宽松;而F检验其实就是看组间差异和组内差异的比较,所以本质上和t检验方差齐的概念相似。但是实际上在方差不齐的时候是无法进行t检验的,结果不具有统计学意义。
情况3&4:多组情况下,方差齐&多组方差不齐
t检验一般适用于两组,所以在多维的情况下,不适用t检验,而F检验可以判定多组、一组多变量和多组间有交互(单因素、协方差、双因素无重复、双因素有重复等),然后在通过两两比较进行分析,用duncan和tukey等方法去判定。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14