JASP统计分析案例:单因素方差分析

原创 数据小兵  2020-09-04 09:23  阅读 115 次
视频课程《SPSS统计分析:从入门到实践提高》

案例介绍

现在有ABCD四种不同品牌的饲料推广员来到农场,都说自己的饲料效果最好,农场主难以在他们之中做出选择,因此,他请了你帮助他选择最好的饲料。

作为数据分析师,你需要获取数据作为你观点的支撑,现在问题就摆在面前,你很自信这个问题一定能够通过数据分析得以解决。根据经验,你为此专门设计一个数据分析的流程,便于准确、严密的帮助农场主找到答案。

描述问题

你从农场主那里得知,好的饲料可以让猪快速增肥,使猪体重提高,因此你决定用猪体重增量作为衡量饲料好与坏的标准和指标,也可以理解为不同质量的饲料将对猪体重产生影响,在农场主其他服务不变、仔猪分组合理的情况下,饲料是影响猪体重增加的主要因素。

问题定义:在喂食不同饲料的影响下,通过比较猪体重的增加情况,判断出哪种饲料效果最好。

方法选择

影响因素:不同品牌饲料;考量指标:体重增量。

这是一个比较典型的“单因素X影响指标Y“的问题,影响因素X即变量“饲料”,它有4个具体取值,分别是饲料A、B、C、D,是分类变量。如果你熟悉统计方法,则很容易想到用方差分析,用一个单因素方差分析可解决这个问题。

农场主现在有19头猪,你决定用这19头猪做一个试验,分为4组,每组使用不同饲料,一段时间后称重,比较4组猪体重数据有无不同,差异性是否具有统计学意义,从而判断哪种饲料最适合农场主,便于他今后大批量购买使用且获得最大收益。

方法选择:单因素方差分析,分析工具:JASP统计软件。

数据准备

这是个试验,一段时间后,分别为四组猪称体重,获取到如下数据:

JASP方差分析

将上述实验数据先录入SPSS或者txt,然后使用JASP读取。

JASP菜单:【ANOVA】→anova,因变量Y选择“体重”,因子X选择“饲料”,【assumption checks】选项卡中选择“homogeneity tests”,同时勾选“QQplot”。

方差齐次检验表:

方差其次原假设:齐次,概率p现在为0.995,大概率事件,也就是说分组方差齐次,适合做方差分析。

正态分布检验:

QQ图显示,多数点能够落在直线上,数据近似服从正态分布。

方差分析表:

方差分析原假设:分组均值无差异/饲料对体重郑重无影响,现在F(3,15)=157.5,,sig<0.01,是小概率事件,说明不同饲料对猪仔体重增加的影响有统计学意义。

前面的统计结果告诉我们,使用饲料对猪仔体重提高的影响是有统计学意义的。

可是你从中看出哪种饲料效果最好了吗?没有,我们只看出了不同饲料对猪体重的提高具有显著的差异,到底哪个饲料更好,从这两个表格中我们不得而知。

此时,就需要调用JASP方差分析的连环锏,它是“多重比较”或者叫“两两比较”,我们让JASP帮助我们在4种饲料中进行两两比较,从而告诉我们,哪个饲料最好。

操作:【post hoc test】选项卡下,将饲料变量移入右侧的目标框内,JASP默认使用tukey这个多重比较的方法,打钩即可,其他参数可忽略。

两两比较表:

任意两种饲料效果差异都有统计学意义(P<0.01),从对猪仔体重增加的角度看,显然D饲料分组中猪的体重增量最大(平均值最大)。

表不如图,我们再绘制出相应的可视化图形来观察一下。在【descriptive plots】选项卡中,将饲料变量移入“horizontal axis”横轴。命令JASP绘制体重增肥平均值的折线图。

分组均值折线图:

通过两两对比,我们非常清晰的看到D饲料对应的猪体重比其他3种饲料的更好,也就是增肥效果更强,这种强效果在均值折线图里面显现的淋漓尽致,还用我告诉你答案吗?

我想,农场主大概看一眼就知道他应该怎么做了。

小结

进行到现在,我们采用了一种“定义问题”——“分析问题”——“解决问题”的思路,通过与农场主的沟通了解,我们设计了一个分组试验,通过统计方法,我们基本得到答案,不同饲料对提高猪的体重效果差异明显,四种饲料不能随意购买,一定要买增重效果最佳的那一个品牌。

与其他三种相比,我们有理由认为,D品牌饲料的效果最好,推荐农场主今后采购此种饲料长期喂养。

全文完

号内已发文章推荐

一款全新的统计软件:JASP
JASP 0.12 新版本发布
JASP可读取3种外部数据文件
JASP连续数据之相关分析
JASP分类数据之相关分析
用JASP统计软件做单样本t检验
用JASP统计软件做配对样本t检验
JASP计算cohen's d效应量指标
JASP可视化建模:简单一元线性回归
logistic回归分析多重共线性检验
《用JASP与jamovi做数据统计分析》

专注两款免费开放好用的全新统计软件:JASP与jamovi。

课程地址:

https://study.163.com/course/introduction/1209698808.htm?share=1&shareId=1149679450

本文地址:http://www.datasoldier.net/archives/2371
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!