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
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策成为商业常态的今天,数据分析师这一职业正迎来前所未有的机遇与挑战。很多希望转行或初入职场的人士不禁询问:数 ...
2024-12-25数据分析师,这一近年来炙手可热的职业,吸引了大量求职者的注意。凭借在大数据时代中的关键作用,数据分析师不仅需要具备处理数 ...
2024-12-25在当今数字化变革的浪潮中,数据分析师这一职业正迎来前所未有的发展机遇。回想我自己初入数据分析行业时,那种既兴奋又略显谨慎 ...
2024-12-25在当今信息爆炸的时代,数据已经像空气一样无处不在,而数据分析则是解锁这些信息宝藏的钥匙。数据分析的过程就像是一次探险,从 ...
2024-12-25在职场上,拍脑袋做决策的时代早已过去。数据分析正在成为每个职场人的核心竞争力,不仅能帮你找到问题,还能提供解决方案,提升 ...
2024-12-24Excel是数据分析的重要工具,强大的内置功能使其成为许多分析师的首选。在日常工作中,启用Excel的数据分析工具库能够显著提升数 ...
2024-12-23在当今信息爆炸的时代,数据分析师如同一位现代社会的侦探,肩负着从海量数据中提炼出有价值信息的重任。在这个过程中,掌握一系 ...
2024-12-23在现代的职场中,制作吸引人的PPT已经成为展示信息的重要手段,而其中数据对比的有效呈现尤为关键。为了让数据在幻灯片上不仅准 ...
2024-12-23在信息泛滥的现代社会,数据分析师已成为企业决策过程中不可或缺的角色。他们的任务是从海量数据中提取有价值的洞察,帮助组织制 ...
2024-12-23在数据驱动时代,数据分析已成为各行各业的必需技能。无论是提升个人能力还是推动职业发展,选择一条适合自己的学习路线至关重要 ...
2024-12-23在准备数据分析师面试时,掌握高频考题及其解答是应对面试的关键。为了帮助大家轻松上岸,以下是10个高频考题及其详细解析,外加 ...
2024-12-20互联网数据分析师是一个热门且综合性的职业,他们通过数据挖掘和分析,为企业的业务决策和运营优化提供强有力的支持。尤其在如今 ...
2024-12-20在现代商业环境中,数据分析师是不可或缺的角色。他们的工作不仅仅是对数据进行深入分析,更是协助企业从复杂的数据信息中提炼出 ...
2024-12-20随着大数据时代的到来,数据驱动的决策方式开始受到越来越多企业的青睐。近年来,数据分析在人力资源管理中正在扮演着至关重要的 ...
2024-12-20在数据分析的世界里,表面上的技术操作只是“入门票”,而真正的高手则需要打破一些“看不见的墙”。这些“隐形天花板”限制了数 ...
2024-12-19在数据分析领域,尽管行业前景广阔、岗位需求旺盛,但实际的工作难度却远超很多人的想象。很多新手初入数据分析岗位时,常常被各 ...
2024-12-19入门数据分析,许多人都会感到“难”,但这“难”究竟难在哪儿?对于新手而言,往往不是技术不行,而是思维方式、业务理解和实践 ...
2024-12-19在如今的行业动荡背景下,数据分析师的职业前景虽然面临一些挑战,但也充满了许多新的机会。随着技术的不断发展和多领域需求的提 ...
2024-12-19在信息爆炸的时代,数据分析师如同探险家,在浩瀚的数据海洋中寻觅有价值的宝藏。这不仅需要技术上的过硬实力,还需要一种艺术家 ...
2024-12-19在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2024-12-19