spss方差区间估计,使用python进行方差分析

　　方差分析、t检验等。基本上都是我们常用的工具，但是还是有很多朋友，尤其是入坑的朋友，分不清楚。今天我想说几句，老司机们也可以收藏起来给以后的弟弟妹妹们。第二篇关于三种T检验(单样本T检验、配对样本T检验、独立样本T检验)的应用，是我前几天收集的，放在这里简单总结一下。

　　t检验要求数据的正态分布和方差齐性。一般来说，一些常见的表型数据满足正态分布和方差齐性的要求。但是对于其他类型的数据，这两点可能就不满足了。所以在T检验之前，首先要检验数据的正态性和方差的齐性。在SPSS中的具体操作如下：

　　输入数据格式如下：

　　1.在菜单栏中选择“分析”-“描述统计”-“探索”，如下图所示。

　　2.将分组信息组添加到“因子列表”，将其他数据添加到“因变量列表”，如下所示。

　　3.设置“统计”页签，勾选的都可以选择，如下图所示。

　　4.设置“图(T)”选项卡，并设置如下图。按照下图进行设置后，点击“继续”。

　　5.完成上述设置后，点击“确定”并等待结果出现。

　　6.这一步会出来很多统计结果。这里只介绍我们关注的正态分布检验和方差齐性检验。下表显示了正态分布测试的结果。

　　从上表可以看出，如果显著性(P值)远小于0.001，即显著，我们可以拒绝它们服从正态分布的假设。就是这组数据不符合正态分析，所以不能用T检验和方差分析。无论方差是否齐次，都不能用以上两个检验。

　　其实数据是否符合正态分布基本上可以从平方图或者Q-Q图看出来，如下图，不是正态分布。当数据呈正态分布时，数据点基本沿直线两侧分布。

　　7.如果数据符合正态分布，下面进行方差齐性检验，结果如下。

　　从上表可以看出，其显著性(P0.001)很小，这意味着我们要拒绝他们的总体方差相等的假设，即此时方差是不均匀的，所以不能用T检验和方差分析。

　　那么这个时候应该用什么统计方法呢？一般采用Mann-WhitneyU Yu秩和检验(Wilcox检验)或Kruskal-Wallis检验。两组间数据比较采用Wilcox检验，多组间数据比较采用Kruskal-Wallis检验。记住要满足以下条件：多组比较时，如果因为组不满足正态分布而不能使用ANOVA多重比较，那么可以使用Kruskal-Wallis检验，只有两组时，使用基于两个样本的Wilcox检验。

　　那么如何在SPSS中分析Kruskal-Wallis检验和Wilcox检验呢？这部分暂时只讲Wilcox检验分析。其实Kruskal-Wallis检验在SPSS中是类似的，只是Kruskal-Wallis检验适合多重比较。分析条目如下。

　　点击确定，弹出设置页面，如下图所示。该页面包含三个子页面，即目标、字段和设置。目标页面可以保留默认设置、字段和设置，如下所示。

　　根据以上页面设置，点击运行。最终结果如下图所示。

　　这是输出的主要结果。零假设是“两组基因表达水平分布相同”，除了root_z13，P0.05，因此，驳回原假设，两组基因表达水平存在统计学差异。而root_z13无显著统计学差异。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。