科学网 › 标签 › 显著

标签: 显著

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

甘肃尕海湿地保护成效显著: ghzcljz 2018-9-24 11:16; 1422 次阅读|0 个评论

SPSS中正态分布验证、方差齐性检验以及Wilcox检验: 热度 1 mashengwei 2017-12-18 10:44; SPSS中正态分布验证、方差齐性检验以及Wilcox检验 t检验或方差分析要求数据正态分布以及方差齐性。一般来说我们的表型数据符合正态分布以及方差齐性的要求。但对于其他类型的数据，就不一定满足这两点了。所以在进行t检验和方差分析之前，首先要进行数据的正态检验以及方差齐性检验。在SPSS中的具体操作如下: 输入的数据格式如下： 1、在菜单栏选择“分析”-“描述统计”-“探索”，如下图。 2、将分组信息group添加到“因子列表”，其他数据添加到“因变量列表”，如下图。 3、设置“统计”选项卡，所有勾选的都选上即可，如下图。 4、设置“图（T）”选项卡，设置如下图，按下图设置之后点击“继续”。 5、完成上述设置之后，点击“确定即可”，稍微等待即可出现结果。 6、这一步会出来很多统计结果，下面只介绍我们关心的正态分布检验和方差齐性检验，正态分布检验结果如下表。从上表我们看出，显著性（p值）远小于0.001，即显著，则能够拒绝他们服从正态分布的假设。即该组数据不符合正态分析，也就不能使用t检验和方差分析（ANOVA），不管此时方差是否齐性均不能使用上述两种检验。其实数据是否符合正态分布我们在直方图或Q-Q图上基本上也能看出，如下图，均不是正态分布。数据正态分布时，数据点基本沿直线两侧分布。 7、如果数据符合符合正态分布下面就要进行方差齐性检验，结果如下图。从上表我们可以看到其显著性（P0.001）非常小，这说明我们要拒绝他们总体方差相等的假设，即此时方差不齐，不能使用t检验以及方差分析。那么此时应该使用什么统计方法呢，一般时使用Mann-Whitney U 秩和检验（Wilcox检验），或者Kruskal-Wallis检验。两组数据比较使用Wilcox检验，而多组数据比较使用Kruskal-Wallis检验。切记需要满足的条件是：在进行多个群组之间比较时，因为群组不满足正态分布而不能使用ANOVA多比较，那么你可以使用Kruskal-Wallis检验，当只有两组时，使用基于两样本的Wilcox检验。那么在SPSS里该如何进行Kruskal-Wallis检验和Wilcox检验分析呢？此部分暂时只说Wilcox检验分析，其实Kruskal-Wallis检验在SPSS里操作也是类似的，只不过Kruskal-Wallis检验适用于多重比较。分析入口如下。点击确定之后，接下来会弹出一个设置页面，如下图，该页面包含3个子页面即“目标”，“字段”，“设置”。其中目标这个可以保持默认设置，字段以及设置的页面如下。按照上述页面设置之后，点击运行即可。最后结果如下图所示。这是输出的主要结果，零假设是“基因表达水平的分布在两组之间相同”，除root z13之外，P0.05，故拒绝原假设，认为基因的表达水平在两组之间有统计学差异。而root z13则没有显著的统计学差异。欢迎关注“ 小麦研究联盟 ” ，了解小麦新进展; 个人分类: 文献推荐|57985 次阅读|2 个评论

卜算子·正态分布: 热度 12 kongmoon 2015-11-18 08:36; 正态分布吟，离散平均律。形若嵩峦绘起伏，理顺无章序。天数纵茫茫，竞往巅峰聚。山麓存留百分五，画满方家欲。　 1917年美国决定参加第一次世界大战，同年４月对德宣战。由于之前美国对一战持“中立”，所以并没有备战，而现在必须在一个星期内赶制100万套军服，制衣商很为难，他都不知道军队的身高是什么样子，不得不求教于统计学家沃特·阿曼德·休哈特（Walter A. Shewhart）。休哈特说，人群中高个子和矮个子都比较少，大多数的人都是中等身材，也就是说人群的身高是一种自然的分布，也叫正态分布。只要随机抽一批美国人来量身高，得到身高的平均值和标准差后就能解决问题了。　　正态分布只需要知道平均只和标准差就能轻松驾驭。平均值大家都知道，标准差就是分布中的每个数与平均值差值的平方和再开方，是一个描述群体离散程度的指标，标准差越大，群体间的差异就越大，如果群体高度接近一致，标准差则接近0。根据正态分布，入伍军人的身高分布有68%左右落在一个标准差之内，就是图中间的部分，95%的落在二个标准差之内，99。7%落在三个标准差之内…………，根据这个规律，美国军队一个星期内集结完毕开赴前线。　　正态分布也叫高斯分布，10马克纸币上就印有高斯的头像和正态分布曲线图。很多看起来杂乱无章的数据，如人群的身高、智商、考试成绩、一天之内在路上跑的汽车数量、测量误差等等自然界和社会现象都服从正态分布。某事件采集的数据绝大多数都落在两个标准差范围之内，这部分曲线面积占９５％，越靠近中心数越多，也就是说数字分部都有向曲线颠峰集中的趋势。而落在曲线山脚部分的只占５％，也就是说是一个很小的概率，按常理几乎不可能发生。在一次实验中如果发生了小概率事件，就可以认为这个事件与实验对照间有着本质的区别，是两件不同的事件。所以统计学上的显著水平就以5%为基准,也就是科技论文里面大量p0.05的来由，比如为了检测一种新药对某种病是否有疗效，就统计吃该种药和安慰剂的治愈率，如果两者差异显著水平p0.05就可以认为该种药有统计学意义上的疗效，p0.05就认为这种药和安慰剂一样没有统计学疗效，所以0.05这个数字在统计学上出现频率最多的数字，做对照实验的人是多么盼望出现p0.05呀！但如果一个事件不服从正态分布，这p0.05不知道多少实际意义，p值被滥用已经是心理学、流行病学领域非常普遍的问题了。; 个人分类: 数学|6747 次阅读|29 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 显著

相关帖子

相关日志

关闭安全验证