一.t检验
1.应用条件:正态分布、方差齐性(当两总体方差不等时,t检验不适用,需要用Cochran&Cox检验等)
2.t检验的理解:t检验的目的是比较两个样本的均值是否有差异,那么构造t统计量的时候,分子自然就是两个样本的均值做差;同时,由于均值会受到一些离群值的显著影响,因此需要在分母放上刻画数据离散程度的统计量方差来调整t统计量。
3.单样本t检验的t统计量:
分子的理解:观测样本的均值与待比较的理论均值差距越大,则t统计量越大,p值越小
4.配对t检验的t统计量:
分子的理解:配对样本的每对数据的差值的均值与0的差距越大,则t统计量越大,p值越小
5.双样本t检验的t统计量:
分子的理解:两样本数据的均值差距越大,则t统计量越大,p值越小
二.方差分析
1.应用条件:总体——正态且方差相等,样本——独立、随机
2.方差分析的理解:方差分析的目的是比较多个样本的均值是否相等,其基本思想是将总的变异量(方差)分解成了组间变异和组内变异,如果多个样本的均值之间是不等的,那么显然组间的变异是远远大于组内的变异的
3.F统计量
(MS代表均方差,即方差除以自由度)
理解:当多个样本的均值之间无差异时,组间和组内变异都为随机误差的估计,F值接近1;当多个样本的均值不全相等时,F值将明显大于1
三.卡方检验
1.应用条件:计数资料
2.卡方检验的理解:以四格表为例,用于推断两个总体的比例是否有差异,通过计算实际的频数和理论频数之间的差异进行判断
3.四格表:行和列分别用不同的组和不同的处理条件构成
4.卡方统计量:
A为实际频数(actural frequency),T为理论频数(theoretical frequency)
理解:当两个处理组的构成比例不同时,实际频数和理论频数的差距就会很大,卡方统计量就会很大,p值很小