方差分析

  • 方差分析(analysis of variance, ANOVA):对多组平均数差异进行显著性检验的方法,其优点是能够充分地利用样本信息,而且可以通过一次检验得出结论,从而避免多次逐对 t 检验所造成的错误概率的累积。
  • 组间差异(between-groups variance):各样本平均数之间的差异。
  • 组内差异(within-groups variance):样本内部观察值之间的差异。
  • 因素(factor):实验中的自变量。
  • 单因素实验(one-way experiment):只有一个自变量的实验。
  • 多因素实验(multiple-factor experiment):有两个或两个以上自变量的实验。
  • 水平(level):某一个因素的不同情况。水平之间的差别可以是数量上的差别,也可以是性质上的不同。
  • 处理(treatment):按各个水平条件进行的重复实验。
  • 主效应(main effect):因素对实验结果的影响。
  • 交互作用(interaction):在多因素的情况下,某个因素对实验结果的影响受到另一个因素的制约。
  • 完全随机设计(simple randomized participants design):随机抽取一些个体,将其随机地分派入不同的样本,在对这些样本分别施以不同的实验处理以后,进行平均数差异显著性检验。常被称为参试者间设计(between-participants design)或被试间设计(between-subjects design)。
  • 事后比较(posteriori comparisons):方差分析出现了显著差异时,检验各个水平的平均数两两比较有无显著差异,又称为“逐对比较”(pair-wise comparisons)或“多重比较”(multiple comparisons)。
  • 析因设计方差分析(analysis of variance of factorial design):同时检验主效应和交互作用的方差分析。
  • 随机区组设计(randomized blocks design):一个因素的效应受到另一个因素的影响时,将后一个因素分成各个区组,每个区组内的个体尽量保持同质,在对各区组施以多种实验处理之后,进行方差分析。常被称为重复测量设计(repeated-measuredesign)、参试者内设计(within-participants design)或被试内设计(within-subjectsdesign)。
  • 固定效应模型(fixed-model):因素是在可以控制的情况下的统计模型。
  • 随机效应模型(random-model):在因素不能按主观意图指定、也不能随意控制的情况下的统计模型。
作者: 老齐
链接: http://math.itdiffer.com/chapter09.html
来源: 机器学习
本文原创发布于「机器学习」,转载请注明出处,谢谢合作!

http://math.itdiffer.com/images/0.jpg

results matching ""

    No results matching ""