比较差异_三种差异性分析的比较

目录
1 差异性研究分析简介
2 三种差异性研究分析的应用场景、区别联系
3 前提条件
4 方差齐性检验关键术语：
差异性分析，显著检验，方差分析，T检验，卡方分析，方差齐性检验

1 差异性分析简介

差异性分析是常用的数据分析方法，用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的办法。又称【差异性显著检验】，是假设检验的一种，判断样本间差异主要是随机误差造成的，还是本质不同。即：判断样本与总体所做的假设之间的差异是否是由于所做的假设与总体真实情况之间不一致所引起的，需要对数据进行【显著性检验】。

显著性检验作为判断两个或是多个数据集之间是否存在差异的方法一直被广泛应用于各个科研领域。

差异性分析的原理是基于比较均值（比较不同组别的均值，得出组间差异）

差异分析的目的在于挖掘出更多有价值的结论，找出应对性措施。

如图1所示，差异性分析通常有三种：

• 方差分析 (ANOVA)
• T检验（T-test）
• 卡方分析 (Chi-Square Analysis)

图1 差异性分析的分类

例如：

比较男性和女性对于【婚姻】是否有差异性的看法；
比较不同民族、不同国籍对于【春节】是否有差异性的看法；
比较不同国家的样本对于【平等】是否有差异性的看法。

2 不同类型的差异性分析的应用场景

三种类型的差异性分析的适用场景和区别联系

如果研究分类数据和定量数据之间的关系，则应该使用方差分析或者 T 检验，比如研究不同性别样本的满意度态度差异情况。

如果研究分类数据和分类数据之间的关系，则应用卡方分析，比如性别和是否戴隐形眼镜之间的关系；性别和是否购买理财产品的关系；

针对方差分析和 T 检验， T 检验仅能研究两组样本的差异情况，比如性别(男和女)对于满意度的差异情况。而方差分析可以研究多个组别(两组或者更多)样本的差异，比如不同学历(本科以下，本科，硕士及以上共三组)样本对工作满意度的差异情况。

卡方分析是研究分类数据与分类数据 关系的分析方法，比如性别和是否戴隐性眼镜之间的关系。

3 前提假设

以上的参数检验都基于共同的两个假设：

• 正态性假定
• 方差齐性假定

如果不满足上述两个条件，可以采用基于秩和的非参数检验，如Kruskal-Wallis检验，Friedman检验。

4 方差齐性检验

进行方差分析的时候，首先用方差齐性检验检测不同组别样本自身内部的态度波动情况。

例如，研究三个年龄组对于电影的偏好，如果三个组别样本内部态度波动情况基本一致，则说明方差齐。

即如果最终三组样本有差异性态度，那么此种差异一定是由此三组样本的态度不一致所致，不可能是由三组样本内部本身的态度差异（干扰性差异）所致。

其次，如果方差分析显示有差异时，则研究人员需要具体对比各个组别的差异情况，即通过对比各个组别的平均得分进一步分析说明，又称事后分析。