nlinyn
統計是為了解決實務問題而發展的, 每一個現在實用的模型都是前人為了解決某個困難的實務問題而發展.
各位在找統計的論文可以發現,在電腦模擬發明後,許多的學者都會對新舊的統計假設再以模擬的方式進檢證,
最大的目的即在於找出違反某一統計模式到那一個程度,會使統計結果不穩定.而在使用模式是,有時我們即必須找到芋個統計學者模擬的結果來支持我們的"誤用"或"違反假設"對結果的判讀是不影響的.
如,在區別分析中, Box's M檢定幾乎很難找到>.05的案例, 而學者以模擬的方式發現, 在Box's m<.001時才會影響區別分析的結果判讀. 更好玩的是,當區別分析違反常態假設時,常常更容易區別,(因為嚴重違反常態假設時,其模型會向Logistic趨近)結果是DA在違反常態假設時和Logistic結果一様,(只是解釋上以da的公信力較佳)
anova使用的目的不就是為了檢驗不同組別的數據, 在變異數相同的情形下,是否為同一母群體(有相同的平均值)?那在不同的變異數下,其是同一母群體的機會會較高或較低?
张万春
fisher1940
挺有代表意义的辩论，学习了。
ahxiping
发表一下 意见１！！
看到以上楼主的讨论 大都带有使用非参数方法
在这 想请教一下：
非参数方法 难道就没有对数据的要求吗？ 在非参数方法里面 对数据组的要求是 数据具有同一水平的方差 ， 在非参数里面 使用秩的平方来检验 数据组是不是具有同一方差。
所以 。。。。自己认为 当数据不具有相同方差时 不可使用非参数方法 因为它对数据是由要求的
建议楼主 进行转换 当达到同方差 而非正态分布时 方可使用非参数方法
sbdwgu
spss软件提供了方差不齐时的稳健估计。再option下面的brown－Rorsythe，Welch
damoquan
rtist和hexm26都是高手啊!谢谢你们的辨正和解说,受益,但也更加困惑.
sean1945
呵呵，很有启示。
微尘1985
"数据转换永远是最后的选择。盲目的尝试什么转换好，远不如根据数据性质来给定方差的模型，前面已经说过，任何转换都是根据模型得到的。"
请问如何根据数据性质来给定方差的模型？
各种方差齐性检验方法各有什么意义特征如何选择运用？
数学中的各种模型在现实中又有何意义？
求知浪子
先进行齐性检验！
hakeem0112
教程上说可以使用brown-forsy这个统计量 当方差不齐时，要优于F统计量
娟——水手
现有教科书上说的Welch或Brown-Forsy等等方法都只是近似方法，其效率还不是太高。事实上，关于方差齐次不满足条件下，多正态总体均值的检验问题目前已经有很多非常有效的方法了，只是在不同样本容量的情况中需要进行适当的选择，如果楼主感兴趣可以看看相关文献，这比漫无目的的进行数据变换要有效的多。
mofei
做统计分析当然要数据符合统计检验的先行条件。
方差不齐性，当然不好做方差分析；
做非参数检验，又漏掉了好多信息（它本身就是以牺牲数据的详细情况为前提的）。
因此建议：
追加数据，让它们达到统计检验应该有的先行条件。
