方差分析是参数还是非参数检验
数据分析的几种经典的理论？
数据分析的几种经典的理论？
数据分析理论导航页收录已经发布的工作生活用到的数据分析思路及理论方法。例如数据分析师基本技能、时间序列分析、分析软件功能介绍等。
1 大数据时代：数据分析能力重要性
2 大数据时代：数据分析基础
3 正态性检验方法介绍
4 数据分析技术：数据差异的显著性检验
5 数据分析方法：非正态数据转化成正态数据
6 均值差异性检验：Z检验和T检验综述
7 均值差异性检验：方差分析综述
8 数据分析方法：非参数检验
9 数据分析技术：拟合优度检验
10 数据分析技术：数据关联性分析综述
11 数据分析技术：数据的归纳分析
12 数据分析技术：问卷（考卷）的信度与效度
13 数据分析技术：相关关系分析
14 数据分析技术：数据分类很重要
15 数据分析技术：回归分析
16 数据分析技术：非参数检验
单因素方差分析是参数检验吗？
单因子方差分析的本质是均值检验，因随机因素的干扰会造成在不同水平时各样本的均值不等，这个是随机误差引起的；
我们在单因子方差分析时，尽可能保持其他因素不变，对于单因子的检验实际在不同水平的置信期间时方差是相等的（单因子方差分析的前提--方差齐性），检验问题就转化为不同水平的均值检验。适用条件--各水平值服从正态分布、方差齐性、数据独立性。
估计方差是什么意思？
估计方差是参数估计，与抽样分布，和假设检验统称为推断统计的三大内容。所谓推断统计，就是用样本信息去推断总体。
比如说中国人民的身高，进行全部的普查很显然时间和成本不允许，这个时候就要进行抽样，用样本的统计量去推测总体参数，这个样本统计量可以是样本均值统计量，样本比例统计量，或者样本方差统计量。
显然我们要介绍的方差的参数估计，就是就是用样本的方差统计量，去估计总体的方差参数。
t检验和非参数检验的区别？
1.定义不同：
参数检验：假定数据服从某分布（一般为正态分布），通过样本参数的估计量（x±s）对总体参数（μ）进行检验，比如t检验、u检验、方差分析。
非参数检验：不需要假定总体分布形式，直接对数据的分布进行检验。由于不涉及总体分布的参数，故名「非参数」检验。比如，卡方检验。
2.衡量值不同
参数检验的集中趋势的衡量为均值
非参数检验为中位数。
3.需要的信息不同
参数检验要利用到总体的信息（总体分布、总体的一些参数特征如方差），以总体分布和样本信息对总体参数作出推断；
非参数检验不需要利用总体的信息（总体分布、总体的一些参数特征如方差），以样本信息对总体分布作出推断。
4.适用范围不同
参数检验只适用于变量，而非参数检验同时适用于变量和属性。
参数检验只能用于等距数据和比例数据，非参数检验主要用于记数数据。也可用于等距和比例数据，但精确性就会降低。
5.测量两个定量变量之间的相关程度不同
参数检验用Pearson相关系数
非参数检验用Spearman秩相关。
6.假设不同
参数检验是针对参数做的假设，非参数检验是针对总体分布情况做的假设，这个是区分参数检验和非参数检验的一个重要特征。
非参数检验往往不假定总体的分布类型，直接对总体的分布的某种假设（例如如称性、分位数大小等等假设）作统计检验。拟合优度检验也是非参数检验。除了拟合优度检验外，还有许多常用的非参数检验。最常见的非参数检验统计量有3类：计数统计量、秩统计量、符号秩统计量。
7.适用条件不同
正态分布用参数检验
非正态分布用非参数检验