10方差分析和试验设计.ppt

第 10 章 方差分析与试验设计 第 10 章 方差分析与试验设计 §10.1 方差分析引论 §10.2 单因素方差分析 §10.3 方差分析中的多重比较 §10.4 双因素方差分析 §10.5 试验设计初步 学习目标 解释方差分析的概念 解释方差分析的基本思想和原理 掌握单因素方差分析的方法及应用 理解多重比较的意义 掌握双因素方差分析的方法及应用 掌握试验设计的基本原理和方法 方差分析及其有关术语 什么是方差分析(ANOVA)?(analysis of variance) 检验多个总体均值是否相等 通过分析察数据的误差判断各总体均值是否相等 研究品质型自变量对数值型因变量的影响 一个或多个分类尺度的自变量 2个或多个 (k 个) 处理水平或分类 一个间隔或比率尺度的因变量 有单因素方差分析和双因素方差分析 单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量 什么是方差分析? (例题分析) 什么是方差分析? (例题分析) 分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响 作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等 如果它们的均值相等，就意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；如果均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异 什么是方差分析? （一个例子） 什么是方差分析? （例子的进一步分析） 检验饮料的颜色对销售量是否有影响，也就是检验四种颜色饮料的平均销售量是否相同 设?1为无色饮料的平均销售量，?2粉色饮料的平均销售量，?3为橘黄色饮料的平均销售量，?4为绿色饮料的平均销售量，也就是检验下面的假设 H0: ?1 ? ?2 ? ?3 ? ?4 H1: ?1 , ?2 , ?3 , ?4 不全相等 检验上述假设所采用的方法就是方差分析 什么是方差分析(ANOVA)?(analysis of variance) 检验多个总体均值是否相等 研究品质型自变量对数值型因变量的影响 行业对投诉次数的影响 颜色对销量的影响 有单因素方差分析和双因素方差分析 单因素方差分析：涉及一个定性自变量 双因素方差分析：涉及两个定性自变量 方差分析中的有关概念 因变量 投诉次数 因素或因子(factor) 所要检验的对象 要分析行业对投诉次数是否有影响，行业是要检验的因素或因子 自变量 方差分析中的有关概念 3. 水平或处理(treatment) 因子的不同表现 零售业、旅游业、航空公司、家电制造业就是因子的水平 因素的每一个水平可以看作是一个总体 4. 观察值 在每个因素水平下得到的样本值 每个行业被投诉的次数就是观察值 被投诉次数可以看作是从这四个总体中抽取的样本数据 方差分析的基本思想和原理 方差分析的基本思想和原理(图形分析) 方差分析的基本思想和原理(图形分析) 从散点图上可以看出 不同行业被投诉的次数是有差异的 家电制造也被投诉的次数较高，航空公司被投诉的次数较低 即使是在同一个行业，不同企业被投诉的次数也明显不同 方差分析的基本思想和原理 1. 如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该很接近 2. 仅从散点图上观察还不能提供充分的证据证明不同行业被投诉的次数之间有显著差异 这种差异也可能是由于抽样的随机性所造成的 3. 需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析 方差分析的基本思想和原理(两类误差) 随机误差 因素的同一水平(总体)下，样本各观察值之间的差异 比如，同一行业下不同企业被投诉次数是不同的 这种差异可以看成是随机因素的影响，称为随机误差 系统误差 因素的不同水平(不同总体) 之间存在差异 比如，不同行业之间的被投诉次数之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 方差分析的基本思想和原理(两类方差) 组内方差(within groups) 因素的同一水平(同一个总体)下样本数据的方差 比如，零售业被投诉次数的方差 组内方差只包含随机误差 组间方差(between groups) 因素的不同水平(不同总体) 之间的方差 比如，四个行业被投诉次数均值之间的方差 组间方差既包括随机误差，也包括系统误差 方差分析的基本思想和原理(方差的比较) 若行业对投诉次数没有影响，则组间方差中只包含随机误差，没有系统误差。这时，平均的组间方差与平均的组内方差的数值就应该很接近，它们的比值就会接近1 若不同行业对投诉次数有影响，在组间方差