Python-完全随机设计资料方差分析

本文928字5图，预计阅读需10分钟.

完全随机设计（Completely Randomized Design）,是将同质的受试对象按照完全随机化方法分配到各处理组，接受不同处理，然后观察其实验效应，常见研究单因素两水平或者多水平的实验设计，各组样本量可以相等，也可以不等。

数据来源

方积乾主编的第七版《卫生统计学》例7-1，为研究钙离子对体重的影响作用，某研究者将36只肥胖模型大白鼠随机等分三组，每组12只，分别给予常规剂量钙（0.5%)、中剂量钙（1.0%）和高剂量钙（1.5%）3种不同的高脂饲料，喂养9周，测量喂养前后体重的差值。试问3种不同喂养方式下大白鼠体重改变是否相同？

建立检验假设，确定检验水准

H0: 3组不同喂养方式下大白鼠体重改变的总体平均水平相同。

H1: 3组不同喂养方式下大白鼠体重改变的总体平均水平不全相同。

α=0.05

Python操作

1.先打开Anaconda

2.打开Jupyter -Qtconsole

3.Python 3.6.3输出print w,p，会提示需要添加（）。

在方差齐性检验时，采用了Levene检验，发现结果与SPSS结果（F=0.319，P=0.729）不同，后又与R语言结果（F=0.2841,P=0.7545）做了对比，发现R语言结果和Python结果（F=0.2841,P=0.7545）一致，同是Levene检验，为什么结果不同？

通过阅读R语言结果、scipy帮助文档，又看了第七版《卫生统计学》P139-P140内容，明确讲了Levene检验离差计算的4种方法，SPSS采用的是均数方法，R语言和Python语言（默认）采用的是中位（median）方法。

再次警惕：统计学思想第一位，软件第二位，多看书。

结论

由Leven检验结果可知P=0.2841，P=0.7545，按照α=0.05的检验水准，不拒绝H0，尚不能认为认为三个总体方差不齐。

由F=31.355,P