2024第九届公共卫生与医学科学国际会议

2024年8月10-12日 中国,成都

方差分析

方差分析(英语:Analysis of variance,简称ANOVA)为资料分析中常见的统计模型,主要为探讨连续型(Continuous)资料型态之因变量(Dependent variable)与类别型资料型态之自变量(Independent variable)的关系,当自变项的因子中包含等于或超过三个类别情况下,检验其各类别间平均数是否相等的统计模式,广义上可将T检验中方差相等(Equality of variance)的合并T检验(Pooled T-test)视为是方差分析的一种,基于T检验为分析两组平均数是否相等,并且采用相同的计算概念,而实际上当方差分析套用在合并T检验的分析上时,产生的F值则会等于T检验的平方项。方差分析依靠F-分布为概率分布的依据,利用平方和(Sum of square)与自由度(Degree of freedom)所计算的组间与组内均方(Mean of square)估计出F值,若有显著差异则考量进行事后比较(英语:Post-hoc analysis)或称多重比较(Multiple comparison),较常见的为薛费法(英语:Scheffé's method)(事后比较法)、杜其范围检验(英语:Tukey's range test)与邦费罗尼校正,用于探讨其各组之间的差异为何。在方差分析的基本运算概念下,依照所感兴趣的因子数量而可分为单因子方差分析、双因子方差分析、多因子方差分析三大类,依照因子的特性不同而有三种型态,固定效应方差分析(fixed-effect analysis of variance)、随机效应方差分析(random-effect analysis of variance)与混合效应方差分析(Mixed-effect analaysis of variance),然而第三种型态在后期发展上被认为是Mixed model的分支,关于更进一步的探讨可参考Mixed model的部分。方差分析优于两组比较的T检验之处,在于后者会导致多重比较(multiple comparisons)的问题而致使第一类错误(Type one error)的机会增高,因此比较多组平均数是否有差异则是方差分析的主要命题。在统计学中,方差分析(ANOVA)是一系列统计模型及其相关的过程总称,其中某一变量的方差可以分解为归属于不同变量来源的部分。其中最简单的方式中,方差分析的统计测试能够说明几组数据的平均值是否相等,因此得到两组的T检验。在做多组双变量T检验的时候,错误的概率会越来越大,特别是第一类错误,因此方差分析只在二到四组平均值的时候比较有效。
2024第九届公共卫生与医学科学国际会议(ICPHMS2024)涵盖主题包括但不仅限于方差分析等领域,会议组委会诚邀全球相关领域的学者、专家参加此次国际会议,就相关热点问题进行探讨、交流,共同促进科学研究的进步与发展。

会议征稿

2024第九届公共卫生与医学科学国际会议(ICPHMS2024)诚邀学者、专家提交他们的研究摘要、论文并参会交流。

ICPHMS2024 的摘要与全文投稿通道已开放,欢迎您提交摘要和全文:

摘要出版

会议接受英文摘要投稿,摘要录用后,将以会议摘要集的形式由 Science Publishing Group (SciencePG) 出版。

全文出版

论文全文被录用后,将根据主题在线出版在 Science Publishing Group (SciencePG) 的相关期刊上。合作期刊可被部分国外的检索机构检索,如WorldCat, CrossRef, Electronic Journals Library, Zeitschriftendatenbank, EZB, ResearchBib, Polish Scholarly Bibliography, Wissenschaftszentrum Berlin等。

© 2015-2024第九届公共卫生与医学科学国际会议 版权所有