显著性差异怎么分析?

文摘   2024-11-22 08:03   山东  

关注公众号每天学习、学习永无止境。




显著性差异怎么分析



显著性差异分析是统计学中用来判断样本之间是否存在统计学上显著差异的方法。下面是进行显著性差异分析的一般步骤:

1. 确定假设:

零假设(H0):样本之间没有显著性差异。

备择假设(H1):样本之间存在显著性差异。

2. 选择合适的统计测试:

t检验:适用于两组独立样本或配对样本的比较。

ANOVA(方差分析):适用于三组或以上的独立样本比较。

卡方检验:适用于分类数据。

根据数据的类型(连续或分类)和样本的分布(正态或非正态),选择合适的统计测试。

3. 计算统计量:

使用所选的统计测试方法计算统计量,如t值、F值等。

4. 确定显著性水平:

通常使用的显著性水平有0.05、0.01和0.1。这意味着如果p值(概率值)小于显著性水平,则拒绝零假设,认为样本之间存在显著性差异。

5. 查找p值:

根据统计量查找相应的p值。可以使用统计软件或查找统计表。

6. 做出结论:

如果p值小于显著性水平,则拒绝零假设,认为样本之间存在显著性差异。

如果p值大于显著性水平,则不能拒绝零假设,认为样本之间没有显著性差异。

请注意,显著性差异分析仅能说明样本数据在统计学上的差异,并不能直接说明实际差异的大小或重要性。此外,显著性差异分析的结果可能会受到样本大小、数据分布等因素的影响。在实际应用中,建议在专业统计人员的指导下进行显著性差异分析。

01 定义




显著性差异(significant difference)是统计学上对数据差异性的评价。以下是对显著性差异的分析方法:

当数据之间具有了显著性差异,就说明参与比对的数据不是来自于同一总体,而是来自于具有差异的两个不同总体。

02 差异标准




通常情况下,实验结果达到0.05水平或0.01水平,才可以说数据之间具备了差异显著或是极显著。


sig值通常用P>0.05表示差异性不显著。

0.01<P<0.05表示差异性显著。

P<0.01表示差异性极显著。

二、分析方法



显著性差异的分析方法主要分为参数检验和非参数检验两大类:

01参数检验




全称参数假设检验,是指对参数平均值、方差进行的统计检验。先由测得的样本数据计算检验统计量,若计算的统计量值落入约定显著性水平α时的拒绝域内,说明被检参数之间在所约定的显著性水平α下在统计上有显著性差异;反之,若计算的统计量值落入约定显著性水平α时的接受域内,说明被检参数之间在统计上没有显著性差异,是同一总体的参数估计值。


适用情况:对于已知总体分布情况的数据(如身高),可以使用参数检验。

 具体方法:

平均值:计算两组或多组数据的平均值,并进行比较。

T检验:亦称student T检验(Student's T test),主要用于样本含量较小(例如n<30),总体标准差σ未知的正态分布。包括:

单样本T检验:检验单个变量样本的总体均值与我们既定的检验值之间是否存在显著差异。

独立样本T检验:比较两个独立样本的均值差异。

成对样本T检验:比较同一组对象在两种不同条件或时间下的均值差异。要求数据成对出现,且每对数据之间具有相关性。


方差分析(ANOVA):适用于比较三个或更多组数据的均值差异。方差分析又分为单因素方差分析、双因素方差分析和多因素方差分析。


单因素方差分析:也称为完全随机设计的方差分析,只能分析一个因素下多个水平对实验结果的影响。

双因素方差分析:称为随机区组设计的方差分析,可以分析两个因素,一个为处理因素(列因素),一个为区组因素(行因素)。


单因素方差分析两两比较方法的选择策略:

多个实验组与一个对照组的比较,一般采用Dunnett法。
需要进行任意两组间的比较而各组样本含量相同,选用Tukey法。
需要进行任意两组间的比较而各组样本含量不相同,选用Scheffe法。

02非参数检验




是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数,因而得名为“非参数”检验。


适用情况:对于不知道总体分布情况的数据,可以使用非参数检验(如某时间的发生数,也称为计数数据)。

具体方法:

Mann-Whitney U检验:用于比较两个独立样本的差异。

Wilcoxon秩和检验:比较两个独立样本的中位数差异。

符号秩检验:比较同一组对象在两种条件下的差异。

K-W H(Kruskal-Wallis Test)检验:用于3个或者3个以上独立组别时,比较各组秩的均值是否存在显著的差异。

Friedman Test检验:用于比较3组或3组以上的显著差异。

三、分析步骤





1. 明确研究目的:确定需要比较的数据组别和变量。

2. 选择合适的检验方法:根据数据的性质(如正态性、方差齐性等)和研究目的选择适当的检验方法。

3. 计算检验统计量:使用选定的检验方法计算相应的统计量。

4. 确定显著性水平:在进行假设检验时事先确定一个可允许的作为判断界限的小概率标准,即显著性水平α(通常取0.05或0.01)。

5. 判断结果:根据计算出的统计量和显著性水平α,判断数据之间是否存在显著性差异。

显著性差异的分析方法包括参数检验和非参数检验两大类,具体方法的选择应根据数据的性质和研究目的来确定。在进行分析时,需要明确研究目的、选择合适的检验方法、计算检验统计量、确定显著性水平,并据此判断数据之间是否存在显著性差异。



关注公众号每天学习、学习永无止境。

交流平台:    建了一个全新QQ群,有想加入的朋友可以进群交流。旨在大家共同进步,提高技术能力,为检验检测行业出一份力。检验检测朋友圈1群,搜索群号:415700495;即可入群。    

也可选择加入微信群,有想加入的可进群交流,你宝贵的经验是我们前进的动力。注:微信群已满200人,无法扫码入群,加微信Y13161717181,邀请你进群。

检验检测朋友圈
检验检测朋友圈 : 专注于 CMA CNAS 最新资源分享及相关案例分析,为提高技术人员学习能力,加强检验检测机构正规化,提供丰富技术咨询和培训服务,帮助你提升专业技能拓广知识范围。
 最新文章