Een “F-test” kan een verzamelnaam zijn voor elke test die de F-distributie gebruikt. In de meeste gevallen, wanneer mensen de F-test noemen, hebben ze het eigenlijk over dat de F-test overeenkomt met Twee Varianten. De F-Test wordt echter gebruikt tijdens een soort van testen, waaronder multivariate analyse, de Chow-test en dus de Scheffe Test (een post-hoc ANOVA-test).
Algemene stappen voor een F-test
Als u een F-test uitvoert, moet u Excel, SPSS, Minitab of een andere stille technologie gebruiken om de test uit te voeren. Waarom? Het met de hand berekenen van de F-test, inclusief variaties, is vervelend en tijdrovend. Daarom zult u waarschijnlijk onderweg wat fouten maken.
Als u een F-test uitvoert met behulp van technologie (bijvoorbeeld een F-test met twee monsters voor varianties in Excel), zijn de enige stappen die u eigenlijk moet doen stap 1 en 4 (het omgaan met de nulhypothese). De technologie zal de stappen 2 en 3 voor u berekenen.
Vermeld de nulhypothese en dus de alternatieve hypothese.
Bereken de F-waarde. De F-waarde wordt berekend met de formule F = (SSE1 – SSE2 / m) / SSE2 / n-k, waarbij SSE = restbedrag van de kwadraten, m = aantal beperkingen en k = aantal onafhankelijke variabelen.
Zoek de F Statistic (de kritische waarde voor deze test). De F-statistische formule is:
F Statistisch = variantie van de groep betekent / gemiddelde van de varianties binnen de groep.
U kunt de F Statistic vinden in de F-Tabel.
Steun of verwerp de nulhypothese.
Terug naar boven
F Test om twee variaties te matchen
Een Statistische F-test gebruikt een F-statistiek om twee variaties, s1 en s2, te matchen door ze te delen. Het resultaat is altijd een positief getal (omdat varianties altijd positief zijn). De vergelijking voor het vergelijken van twee varianties met de f-test is:
F = s21 / s22
Als de varianties gelijk zijn, zal de verhouding van de varianties gelijk zijn aan 1. Als u bijvoorbeeld twee datasets had met een steekproef 1 (variantie van 10) en een steekproef 2 (variantie van 10), dan zou de verhouding 10/10 = 1 zijn.
Veronderstellingen
Voor de test worden verschillende aannames gedaan. Uw populatie moet ongeveer normaal verdeeld zijn (d.w.z. in de vorm van een belcurve passen) om de test te kunnen gebruiken. Bovendien moeten de monsters onafhankelijke gebeurtenissen zijn. Daarnaast wilt u een aantal belangrijke punten in gedachten houden:
De grotere variantie moet de teller (het hoogste getal) invoeren om de test te forceren tot een rechtsdraaiende test. Rechtsdraaiende tests zijn gemakkelijker te berekenen.
Voor tweestaartproeven moet u alfa door 2 delen voordat u de juiste kritische waarde vindt.
Als u standaardafwijkingen krijgt, moeten deze in het kwadraat worden gekwadrateerd om de variaties aan te sporen.
Als uw vrijheidsgraden niet in de F-tabel staan, gebruik dan de grotere kritische waarde. Dit helpt de kans op type I fouten te voorkomen.
Terug naar boven
F Test om twee variaties met de hand te matchen: Stappen
Waarschuwing: F-tests kunnen erg vervelend worden om met de hand te berekenen, vooral als je de variaties moet berekenen. Je bent veel beter af met technologie (zoals Excel – zie hieronder).
F-test
Hypothesetest > F-test
Inhoud:
Wat is een F-test?
Algemene stappen voor een F-test
F Test om overeen te komen met twee variaties
Met de hand
Tweestaarts F-test
Excel-instructies
Zie ook: F Statistisch in ANOVA/Regressie
Wat is een F-test?
Een “F-test” kan een verzamelnaam zijn voor elke test die de F-distributie gebruikt. In de meeste gevallen, wanneer mensen de F-test noemen, hebben ze het eigenlijk over dat de F-test overeenkomt met Twee Varianten. De F-Test wordt echter gebruikt tijdens een soort van testen, waaronder multivariate analyse, de Chow-test en dus de Scheffe Test (een post-hoc ANOVA-test).
Algemene stappen voor een F-test
Als u een F-test uitvoert, moet u Excel, SPSS, Minitab of een andere stille technologie gebruiken om de test uit te voeren. Waarom? Het met de hand berekenen van de F-test, inclusief variaties, is vervelend en tijdrovend. Daarom zult u waarschijnlijk onderweg wat fouten maken.
Als u een F-test uitvoert met behulp van technologie (bijvoorbeeld een F-test met twee monsters voor varianties in Excel), zijn de enige stappen die u eigenlijk moet doen stap 1 en 4 (het omgaan met de nulhypothese). De technologie zal de stappen 2 en 3 voor u berekenen.
Vermeld de nulhypothese en dus de alternatieve hypothese.
Bereken de F-waarde. De F-waarde wordt berekend met de formule F = (SSE1 – SSE2 / m) / SSE2 / n-k, waarbij SSE = restbedrag van de kwadraten, m = aantal beperkingen en k = aantal onafhankelijke variabelen.
Zoek de F Statistic (de kritische waarde voor deze test). De F-statistische formule is:
F Statistisch = variantie van de groep betekent / gemiddelde van de varianties binnen de groep.
U kunt de F Statistic vinden in de F-Tabel.
Steun of verwerp de nulhypothese.
Terug naar boven
F Test om twee variaties te matchen
Een Statistische F-test gebruikt een F-statistiek om twee variaties, s1 en s2, te matchen door ze te delen. Het resultaat is altijd een positief getal (omdat varianties altijd positief zijn). De vergelijking voor het vergelijken van twee varianties met de f-test is:
F = s21 / s22
Als de varianties gelijk zijn, zal de verhouding van de varianties gelijk zijn aan 1. Als u bijvoorbeeld twee datasets had met een steekproef 1 (variantie van 10) en een steekproef 2 (variantie van 10), dan zou de verhouding 10/10 = 1 zijn.
U test altijd of de populatievarianties gelijk zijn als u een F-test uitvoert. Met andere woorden, u gaat er meestal van uit dat de varianties voldoende zijn om 1. Daarom zal uw nulhypothese altijd zijn dat de varianties gelijk zijn.
Veronderstellingen
Voor de test worden verschillende aannames gedaan. Uw populatie moet ongeveer normaal verdeeld zijn (d.w.z. in de vorm van een belcurve passen) om de test te kunnen gebruiken. Bovendien moeten de monsters onafhankelijke gebeurtenissen zijn. Bovendien wilt u een paar belangrijke punten in gedachten houden:
De grotere variantie moet de teller (het hoogste getal) invoeren om de test te forceren tot een rechtsdraaiende test. Rechtsdraaiende tests zijn gemakkelijker te berekenen.
Voor tweestaartproeven moet u alfa door 2 delen voordat u de juiste kritische waarde vindt.
Als u standaardafwijkingen krijgt, moeten deze in het kwadraat worden gekwadrateerd om de variaties aan te sporen.
Als uw vrijheidsgraden niet in de F-tabel staan, gebruik dan de grotere kritische waarde. Dit helpt de kans op type I fouten te voorkomen.
Terug naar boven
F Test om twee variaties met de hand te matchen: Stappen
Waarschuwing: F-tests kunnen erg vervelend worden om met de hand te berekenen, vooral als je de variaties moet berekenen. Je bent veel beter af met technologie (zoals Excel – zie hieronder).
Dit zijn de algemene stappen die u moet volgen. Scroll naar beneden voor een geselecteerd voorbeeld (bekijk de video onder de stappen).
Stap 1: Als u standaardafwijkingen krijgt, ga dan naar stap 2. Als u afwijkingen krijgt die overeenkomen, ga dan naar stap 3.
Stap 2: Zet beide standaardafwijkingen in het kwadraat om de variaties aan te sporen. Als bijvoorbeeld σ1 = 9,6 en σ2 = 10,9, dan zouden de varianties (s1 en s2) 9,62 = 92,16 en 10,92 = 118,81 zijn.
Stap 3: Neem de belangrijkste variantie, en deel deze door de kleinste variantie om de f-waarde aan te sporen. als bijvoorbeeld s1 = 2,5 en s2 = 9,4, deel dan 9,4 / 2,5 = 3,76.
Waarom? Door de belangrijkste variantie bovenaan te plaatsen wordt de F-test geforceerd tot een rechtsdraaiende test, wat veel gemakkelijker te berekenen is dan een linksdraaiende test.
Stap 4: Zoek uw vrijheidsgraden. Vrijheidsgraden is uw steekproefgrootte min 1. Aangezien je twee monsters hebt (variantie 1 en variantie 2), heb je twee vrijheidsgraden: één voor de teller en één voor de noemer.
Stap 5: bekijk de f-waarde die u hebt berekend in stap 3 binnen de f-tabel. Merk op dat er verschillende tabellen zijn, dus je moet de juiste tabel vinden voor je alfa-niveau. Weet u niet hoe u een f-tabel moet lezen? Lees wat een f-tabel is?
Stap 6: Vergelijk uw berekende waarde (stap 3) met de tabel f-waarde in stap 5. Als de f-tabelwaarde kleiner is dan de berekende waarde, verwerpt u de nulhypothese.
