完全随机单因素方差分析第二节 方差分析的效应值和事后检验第14章 完全随机单因素方差分析方差分析的效应值方差分析的多重比较方差分析的效应值方差分析中，F比值显著并不意味着处理效应很大为了提供真实差异大小程度的指标，研究者会报告方差分析的效应值用r2来计算测量效应大小，在方差分析中r2一般被称为 2测量了因变量得分之间的差异有多少可以被处理之间的差异所解释方差分析的事后检验（Post-Hoc）当出现以下情况时，需用到事后检验：这时如果需要比较两两之间均值的差异，就可以使用事后检验的方法如果研究中只存在两个处理水平，如实验组和对照组，方差分析结果显著就能直接说明两组均值的差异是显著的，没有必要进行事后检验01方差分析结果显著02因素存在三个或以上处理水平多重比较（Multiple Comparisons）假设我们在0.05的显著水平下要检验虚拟假设：H0:u1=u2=u3如果拆成下列三组虚拟假设：H0:u1=u2 ,H0:u1=u3,H0:u2=u3每个假设被“接受”的机率为.95，三个假设全部被接受的机率为.953=.857，也就是说当假设为真但被推翻的机率为(1-0.857)=0.143 0.05 远高于显著水平。
多重检验次数越多，越容易犯型错误（，当H0为真时，拒绝H0的机率），因此衍生出一些校正值的检验方法比较方法适用条件：组间样本数相等Tukey HSD适用条件：每一组有不相等的样本数各种方法中最严格、检验力最低的一种多重比较Scheffe 检验法适用条件：每一组有不相等的样本数Bonferroni 检验法Tukey HSDTukey HSD图表表示法 8 12 10 22 *p0.05123412 4 3 2-24 14*10*12*Scheffee 检验法 图表表示法 8 12 10 22 *p ，则拒绝H0Bonferroni 检验法图表表示法 8 12 10 22 *p0.05123412 1.55 3 0.77 0.245.42*3081*4.65*本节小结方差分析中，F比值显著并不意味着处理效应很大可以使用r2来计算测量效应大小，在方差分析中r2一般被称为2当方差分析结果显著且因素存在三个或以上处理水平时，需用到事后检验多重检验次数越多，越容易犯型错误，因此衍生出一些校正值的检验方法常用的检验方法有Tukey HSD，Scheffe检验法和Bonferroni检验法。
