單因素方差分析

单因素方差分析

计算科学专业术语
单因素方差分析,是一个专业术语,指用于完全随机设计的多个样本均数间的比较,其统计推断是推断各样本所代表的各总体均数是否相等。单因素方差分析:核心就是计算组间和组内离均差平方和。完全随机设计的单因素方差分析是把总变异的离均差平方和SS及自由度分别分解为组间和组内两部分。
    中文名:单因素方差分析 外文名:completely random design 适用领域: 所属学科: 别称:单因素实验设计 意义:不考虑个体差异仅涉及一个因素

用途

完全随机设计(completely random design)不考虑个体差异的影响,仅涉及一个处理因素,但可以有两个或多个水平,所以亦称单因素实验设计。在实验研究中按随机化原则将受试对象随机分配到一个处理因素的多个水平中去,然后观察各组的试验效应;在观察研究(调查)中按某个研究因素的不同水平分组,比较该因素的效应。

计算公式

完全随机设计的单因素方差分析是把总变异的离均差平方和SS及自由度分别分解为组间和组内两部分,其计算公式如下。

SS组间=离均平方和/组间自由度

SS组内=离均平方和/组内自由度

SS总=SS组间+SS组内

单因素方差分析:核心就是计算组间和组内离均差平方和。两组或两组以上数据,大组全部在一组就是组内,以每一组计算一均数,再进行离均平方和的计算:

SS组间=组间离均平方和,MS组间=SS组间/组数-1(注:离均就有差的意思了!!)

SS组内=组内离均平方和,MS组内=SS组内/全部数据-组数

F值=MS组间/MS组内

运用举例

通过纸质和网络两种方式发放问卷。所有数据录入SPSS17.0统计软件包,采用T检验、单因素方差分析、相关分析和回归分析等方法进行数据处理和统计分析。

研究结果发现,大学生自我接纳总分及各因子得分上无性别差异,在主观幸福感总分及其各因子得分方面也不存在性别差异。但在自我接纳总分上存在显著的年级差异(F=4.47,p=0.004);进一步多重比较发现,大三、大四学生的自我接纳总分均显著高于大一和大二学生(p=0.002、p=0.036;p=0.001、p=0.004)。此外,自我评价因子得分也存在十分显著的年级差异(F=6.70,p<0.001),进一步多重比较发现,大三、大四学生的自我评价得分也都显著高于大一和大二学生(p<0.001、p=0.039;p<0.001和p=0.019),大二学生的自我评价得分也显著高于大一学生(p=0.047)。而在主观幸福感总分上,年级差异也显著(F=3.26,p=0.03),多重比较发现,大三学生的得分显著高于大一和大二学生(ps<0.05),大四学生的得分高于大二学生(p<0.05)。

上述结果表明,高年级大学生的自我接纳程度要高于低年级学生。其原因很可能是,随着知识的积累和实践能力的提升,高年级学生对自己有更深刻的认识和了解,能对自己做出更客观的评价,也能更好地接受他人对自己的评价,且不会轻易受到别人的影响。在此情况下,高年级大学生体验到更多的喜悦和快乐,幸福感更高。

相关词条

相关搜索

其它词条