您能给出在方差分析中使用单尾检验的原因吗?
为什么在方差分析中使用单尾检验-F检验?
您能给出在方差分析中使用单尾检验的原因吗?
为什么在方差分析中使用单尾检验-F检验?
Answers:
F测试最常用于两个目的:
在方差分析中,用于检验均值是否相等(以及各种类似的分析);和
在检验方差相等时
让我们依次考虑一下:
1)构造方差分析中的F检验(以及类似的计数数据的卡方检验),以使数据与替代假设的一致性越强,则检验统计量往往越大,而样本的排列方式看起来与null最一致的数据对应于测试统计量的最小值。
考虑三个样本(大小为10,样本方差相等),并将它们安排为具有相等的样本均值,然后以不同的模式移动其均值。随着样本均值的变化从零开始增加,F统计量变得更大:
黑线()是数据值。红色粗线()是组均值。|
如果零假设(总体均值的均等)为真,则您会期望样本均值会有一些变化,并且通常会期望看到F比率大约为1。期望...所以您不会得出总体均值不同的结论。
也就是说,对于ANOVA,当您获得异常大的F值时,您将拒绝均值相等的假设,而当您获得异常小的值时,您将不会拒绝均值相等的假设(这可能表示某些东西,但人口均值不同)。
这是一个示例,可以帮助您看到我们只想在F处于其上尾时拒绝:
2)F检验方差是否相等*(基于方差比)。在此,如果分子样本方差远大于分母中的方差,则两个样本方差估计值的比率将很大,而如果分母样本方差远大于分子中的方差,则两个样本方差估计值的比率将很小。
也就是说,为了测试总体方差的比率是否不同于1,您将要拒绝F的大值和小值都为null的情况。
*(不考虑此测试的分布假设的敏感性高(还有更好的选择),还有一个问题,如果您对ANOVA等方差假设的适用性感兴趣,那么您最好的策略可能不是正式测试。)
必须理解,方差分析的目的是检查均值是否不等...这意味着我们与样本之间的差异相比,关注的是样本之间的较大差异(因此,均值是根据均值计算得出的) (再次根据各个样本平均值计算得出)。当样本之间的差异较小时(导致F值位于左侧),这无关紧要,因为该差异不明显。如果样本之间的差异显着高于内部变异,则样本之间的变异很重要;在这种情况下,F值将大于1,因此在右尾。
唯一的问题仍然是,为什么将整个重要性范围放在右尾,答案仍然相似。仅当F比在右侧时才发生拒绝,而当F比在左侧时就不会发生拒绝。重要程度是由于统计限制而导致的错误的度量。由于拒绝仅发生在右侧,因此整个重要性级别(错误结论的错误风险)都保留在右侧。`
处理内均方(MS)的期望值是总体方差,而处理间MS的期望值是群体方差加上处理方差。因此,F = MS之间/ MSwithin之比始终大于1,并且永远不小于1。
由于1尾测试的精度优于2尾测试,因此我们更喜欢使用1尾测试。