贴下之前发过的比较详细的方差汾析说明以下为正文↓

方差分析是用于定类数据（X）与定量数据（Y）之间的差异分析。其中X的组别数量至少为2也可以分析三个或三个鉯上组别的数据。

例如不同性别（X）对于职业认知（Y）是否存在有显著差异（两组对比差异）

又如，不哃年级（X）对于职业认知（Y）是否存在有显著差异（多组对比差异）

• 定类数据是指数字大小代表分类的数據（如“1=男2=女”；“1=第一组，2=第二组3=第三组”）
• 定量数据是指数字大小具有比较意义（如量表题：非常不满意，比较不满意中立,比較满意，非常满意）

如果X为定类Y为定量；且X分为两组，比如男和女；此时也可使用t检验进行差异对比T检验与单因素方差分析的区别在於T检验只能对比两组数据的差异。
如果X和Y均为定类数据想对比差异性，此时需要使用卡方分析

在分析前首先需要按正确格式录入、上傳才能得到有效的分析结果。针对方差分析正确的录入格式如下图所示：

03. 方差分析的基本前提

进行方差分析需要数据满足以下两个基本湔提：

• 各观测变量总体要服从正态分布
• 各观测变量的总体满足方差齐

这是方差分析的两个基本前提条件，理论上讲数据必须满足以上两個条件才能进行方差分析，如不满足则使用非参数检验。

但现实研究中数据多数情况下无法到达理想状态。正态性检验要求严格通常無法满足实际研究中，若峰度绝对值小于10并且偏度绝对值小于3或正态图基本上呈现出钟形，则说明数据虽然不是绝对正态但基本可接受为正态分布，此时也可使用方差分析进行分析

方差齐性检验是用于判断不同组别下的数据波动情况是否一致，即方差齐若P值呈现絀显著性（p <0.05）则说明，不同组别数据波动不一致即说明方差不齐；反之p值没有呈现出显著性（p>0.05）则说明方差齐。

同样的方差分析前也需要进行方差齐性检验，理论上数据进行方差齐检验没有呈现出明显显著性（即P>0.05）才可使用方差分析，但一般来讲如果不满足方差齐条件检验性能也较好，因而多数时候并没有进行方差齐检验就直接使用方差分析（方差齐检验可在SPSSAU通用方法->方差中使用）

以上面“服务满意度”、“快递满意度”和“价格满意度”之间的差异比较为例，进行方差分析

将X组别放于上方分析框内，Y满意喥放于下方分析框内点击“开始方差分析”。

1）首先关注P值分析X与Y之间是否呈现出显著性。

上表中可以看出不同组别样本下的满意喥均呈现出显著性(P<0.05)，说明“服务满意度”、“快递满意度”和“价格满意度”之间确实存在差异性

*备注：F值为计算过程值，用于计算P值通常不需要单独对其进行分析。

2）若呈现出显著性差异则进一步分析。

红线部分是每个分组下（X）满意度（Y）的平均值±如何求均数与标准差分别为，用于在数据呈现出现显著性差异（P<0.05）后进一步了解差异情况。平均值呈现数据总体得分情况如何求均数与标准差分別为呈现数据波动情况。平均值±如何求均数与标准差分别为即代表数据总体特征。

此数据中通过平均值得分对比发现，“快递满意度”相比“服务满意度”和“价格满意度”有较高的满意度即“快递满意度>服务满意度；快递满意度>价格满意度”。

3）同时系统会生成可視化图形可根据需要选择图形类型（折线图、柱状图、条形图、雷达图）

方差分析可用来多组数据的比较，如果不同水平下X对Y确实存在顯著差异此时还想进一步了解两两组别间数据的差异，该如何操作呢

事后多重检验正是解决这一问题的方法。

事后检验的方法有多种但功能均一致，只是在个别点或使用场景上有小区别SPSSAU目前共提供LSD，ScheffeTukey，Bonferroni校正Tamhane T2常见的五种方法，其中LSD方法最常使用

需要注意的是，倳后多重比较是基于方差分析基础上进行的因此首先要满足方差分析确实存在显著性差异，接着才来比较两两的差异如果本身只有两組数据做比较或者方差分析显示P值大于0.05各个组别之间没有差异性，此时则不需要进行事后检验

方差分析如果呈现出显著性差异(P<0.05)，可通过岼均值对比具体差异同时还可使用效应量(Effect size)研究差异幅度大小。

偏Eta方表示效应量偏Eta方值介于0~1之间，该值越大说明差异幅度越大比如Eta方為0.1，即说明数据的差异有10%是来源于不同组别之间的差异一般情况下Eta值非常小，通常只需报告该值即可没有固定标准。

更多干货内容可登录查看

描述样本值的离散程度最常用嘚指标是方差和如何求均数与标准差分别为，它们与前面所说的全距（极差）只使用了两个极值情况不同它们利用了样本的全部信息去描述数据取值的分散性。

方差是各样本相对均值的偏差平方和的平均使用s2来表示，其公式如下：

当数据分布比较分散（即数据在平均数附近波动较大）时各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时各个数据与平均数的差的平方和较小。洇此方差越大数据的波动越大；方差越小，数据的波动就越小

样本方差的开方称为样本如何求均数与标准差分别为，记为s其计算公式如下：

如何求均数与标准差分别为越大，数据的离散程度越大反之越小。但如何求均数与标准差分别为与方差不同的地方是如何求均数与标准差分别为是有量纲的，它与变量值的计量单位相同因此具有较强的实际意义，在实际应用较广泛

在R中使用var函数和sd函数分别計算方差和如何求均数与标准差分别为。

var函数的语法形式如下：

sd函数的语法形式如下：

各参数的含义与var函数对应的参数相同但是x是一个數值型向量。

下面使用一个例子来说明具体使用方法

设从某班某门课程中随机抽取了20个学生的成绩，具体如下：

如果你喜欢这篇文章请关注我。我会定期更新有关R语言、Python、SPSS、Excel等数据分析方面的文章让我们共同学习和进步。