第14章 方差分析.pptVIP

2 1 3 0011 0010 1010 1101 0001 0100 1011 ∑ ∏ 《应用统计学》 2 1 3 0011 0010 1010 1101 0001 0100 1011 ∑ ∏ 14.1 方差分析的基本概念 14.1.1 方差分析的基本问题 1.方差分析就是利用方差来判断多个正态总体的均值是否相等，或者说检验两个或两个以上的样本平均数之间的差异是否具有显著性的一种统计分析方法。 2. 方差分析的作用主要在于判断影响某变量的众多因素中，哪些因素起主要作用，哪些因素起次要作用；或者判断不同的方案中哪一种方案最好。 14.1.2 方差分析的种类 1．单因子方差分析。单因子方差分析涉及的因子只有一个，而这个因子又具有不同的状态或水平。分析的目的在于判断不同的状态或水平是否具有显著的差异。 2．双因子方差分析。双因子方差分析涉及的因子有两个，而每一个因子又有不同的状态或水平，分析的目的在于同时研究两种因子对某一指标或某一变量的影响。 14.1.3 方差分析的应用条件 1．检验因子有γ种水平，X1，X2，……，Xγ是γ个相互独立的正态总体，分别服从于正态分布, 亦即各个水平数据，要能被看作是从服从正态分布总体中随机抽得的样本。 2．各组或各样本数据，是从具有相同方差的相互独立的总体中分别抽得的。 14.1.4 方差分析的基本程序 1．设计方案、搜集数据。 2．建立假设。 3．计算方差。 4．计算统计量F 值，作F 假设检验。 5．计算效应值，选择最优水平。 14.2 单因子方差分析 单因子方差分析涉及的因子只有一个，而这个因子又具有多种水平。分析的目的在于判断多种水平之间的差异是否显著，以及哪种水平为最优水平。 其分析的程序和方法如下： 1．设计试验方案、搜集试验数据。 表14—3 单因子方差分析试验方案及结果 x31=25.8 x32=24.6 x33=25.3 x34=24.8 x35=24.2 x21=22.4 x21=21.5 x23=22.6 x24=23.0 x25=21.8 x11=18.6 x12=17.8 x13=19.5 x14=18.4 x15=19.3 1 2 3 4 5 A3 A2 A1 水平（i） 试验（j） 2．建立原假设：即假定因子各水平的均值相等，其对立的原假设是假定各因子水平的均值不相等，单因子方差分析就是要在这二者中作出判断。 3．计算方差。编制方差分析表。计算过程与方法如下： (1)求各水平的样本平均数： (2)求各水平的误差平方和： (3)求各水平误差平方的总和： (4)求各水平的样本平均数的平均数(总平均数)： (5)计算因子影响的离差平方和： (6)计算全部数据(n项)的误差平方和(总平方和)： (7)计算因子方差、随机误差方差、总方差。计算式见表14—4。 (8)编制单因子方差分析表，格式如表 单因子方差分析表 γ-1 n- γ n- γ 因子影响 随机误差 总 和 方差 自由度 平方和 方差来源 4．计算统计量F，作F检验。 ，若显著水平a=0.05，在F分布表中查得F0.05，F＞F0.05，拒绝接受H0，接受H1。 5．计算效应值，选择最优水平。 方差分析的基本思想是把全部数据的离差平方和分解为两大部分: 一部分是可控因素的影响(因子水平不同)造成的离差平方和。{因子方差} 一部分是不可控因素(随机因素)影响造成的误差平方和。{误差方差} 因子方差与误差方差之间的差异越大，随机因素影响则越小，因子各水平的差异就越明显，反之，则相反。其中因子方差又称组间方差或列间方差，误差方差又称组内方差或行间方差。 14.3 双因子方差分析 双因子方差分析又称双向方差分析，即同时考察两种因子或因素对试验指标的影响。 在双因子方差分析中，各个因子的不同水平的搭配还会产生新的影响，称为交互作用。 14.3.1 无交互作用的双因子方差分析 为了更好地了解双因子方差分析，首先考虑没有交互作用的情况。设因子A有γ个不同的水平；因子B有S个不同的水平。在其他因素都加以控制的条件下，因子A的每一个水平和因子B的每一个水平组成一组试验条件，每种情况进行一次独立试验，共可得到γS个试验结果xij ，数据结构如表： 表14-8 双因子方差分析的数据结构 …… A1s A2s …… …… …… A21 A21 A11 A21 A1 A2 Bs …… B2 B1 B因子 A因子 设因子A的第i 种效应值为 , 因子B的第j种效应值为 , 试验误差记作( )，则每一项试验数据xij，可分解为：