为方便大家理解,分别举一个例子进行说明:
单因素方差:研究不同学历(本科、研究生、博士)工资水平的差异。
双因素方差:研究不同性别、不同学历工资水平的差异。
多因素方差:研究不同性别、不同学历、不同岗位工资水平的差异。
协方差分析:研究减肥方式对于减肥效果的影响,同时将年龄设为干扰项。
事后多重比较:例如在单因素方差分析中,具体对比本科与研究生、本科与博士、研究生与博士两两之间的工资差异。
重复测量方差:研究抑郁症,共有12名患者,分别6名患者使用新药或者旧药;并且分别测试12名患者用药后分别第1周,第4周和第8周时的抑郁程度。
2、t检验
t检验用于分析X定类数据(仅2类)与Y定量数据之间的差异情况,按照研究内容和数据类型等不同,可分为以下3类:
举例说明:
独立样本t检验:分析班级不同性别(男女仅2类)数学成绩的差异。
配对样本t检验:分析两种方法测量同一批人的血压结果是否有差异。
单样本t检验:分析某班数学成绩与80分之间的差异。
3、卡方检验
卡方检验用于分析定类数据与定类数据之间的差异情况,按照研究内容和数据类型等不同,可分为以下5类:
举例说明:
卡方检验:研究不同性别是否吸烟的差异情况。
配对卡方:研究两种方法检验结果(阳性&阴性)是否有差异。
卡方拟合优度:某研究收集的样本男女比例是否为6:4。
分层卡方:研究是否吸烟与是否生病的关系时,将性别纳入考虑范畴。
Fisher卡方:在分析样本量较少(比如小于40),也或者期望频数出现小于5时,此时使用fisher卡方检验较为适合。
4、非参数检验
方差分析与t检验均属于参数检验的范围,通常需要数据满足正态性和方差齐性才能够使用,当数据不满足正态性或方差齐性时,研究定类数据与定量数据之间的差异性可以使用非参数检验进行分析。
常用的非参数检验如下:
三、相关关系分析
相关分析用于分析变量之间的相关关系,相关分析具体可分为以下3种: