SPSS课件6方差分析.pptVIP

例:在教学中,希望能够找到一种有效的教学方法和手段,使教学效果最好,这就需要分析教学效果受到哪些因素的影响.有很多的因素会影响教学的效果,如不同的教学方法,不同的教材,学生接受知识的能力等,都会对教学效果产生一定的影响,如果可以知道在这些众多的影响因素中,哪些因素起了主要的作用,就可以采取有效的手段来提高教学水平。 在影响教学效果的因素中，有两类因素，一类是人为可控制变量，如不同的教学方法,不同的教材；另一类是随机变量，如学生接受知识的能力。 可以对几个普通班级的学生，采用几种不同的教学方法，一段时间后进行测试，就可以得到不同教学方法对教学效果的影响。 方差分析按照影响试验指标的个数分为单因素试验的方差分析、双因素试验的方差分析和多因素试验的方差分析。 本章着重介绍单因素试验的方差分析、双因素试验的方差分析. 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 6.1.2 方差分析的基本思想和原理(几个基本概念） 因素或因子 所要检验的对象称为因子 要分析饮料的颜色对销售量是否有影响，颜色是要检验的因素或因子 水平 因素的具体表现称为水平 A1、A2、A3、 A4四种颜色就是因素的水平 观察值 在每个因素水平下得到的样本值 每种颜色饮料的销售量就是观察值 方差分析的基本思想和原理（几个基本概念） 4.试验 这里只涉及一个因素，因此称为单因素四水平的试验 5.总体 因素的每一个水平可以看作是一个总体 比如A1、A2、A3、 A4四种颜色可以看作是四个总体 6.样本数据 上面的数据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（两类误差） 随机误差 在因素的同一水平(同一个总体)下，样本的各观察值之间的差异 比如，同一种颜色的饮料在不同超市上的销售量是不同的 不同超市销售量的差异可以看成是随机因素的影响，或者说是由于抽样的随机性所造成的，称为随机误差 系统误差 在因素的不同水平(不同总体)下，各观察值之间的差异 比如，同一家超市，不同颜色饮料的销售量也是不同的 这种差异可能是由于抽样的随机性所造成的，也可能是由于颜色本身所造成的，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 因素的同一水平(同一个总体)下样本数据的方差 比如，无色饮料A1在5家超市销售数量的方差 组内方差只包含随机误差 组间方差 因素的不同水平(不同总体)下各样本之间的方差 比如，A1、A2、A3、A4四种颜色饮料销售量之间的方差 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） 如果不同颜色(水平)对销售量(结果)没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异 方差分析中的基本前提 每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本 比如，每种颜色饮料的销售量必需服从正态分布 各个总体的方差必须相同 对于各组观察数据，是从具有相同方差的总体中抽取的 比如，四种颜色饮料的销售量的方差都相同 观察值是独立的 比如，每个超市的销售量都与其他超市的销售量独立 单因素方差分析的数据结构 提出假设 一般提法 H0: m1 = m2 =…= mk (因素有k个水平） H1: m1 ，m2 ，… ，mk不全相等 对前面的例子 H0: m1 = m2 = m3 = m4 颜色对销售量没有影响 H0: m1 ，m2 ，m3， m4不全相等 颜色对销售量有影响 构造检验的统计量(前例计算结果 ) 构造检验的统计量(计算总离差平方和 SST) 全部观察值 与总平均值 的离差平方和 反映全部观察值的离散状况 其计算公式为 构造检验的统计量(计算组内离差平方和SSE) 每个水平或组的各样本数据与其组平均值的离差平方和 反映每个样本各观察值的离散状况，又称组内离差平方和 该平方和反映的是随机误差的大小 计算公式为 构造检验的统计量(计算组