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

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180405G12GQ000?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券