最新第八章方差分析.ppt

* * * * * * * * * * * * * * * * * 比较这两个表格，观测变量的总变差（Corrected Total）为2555.958，同单因素方差分析中的SST,随机因素可解释的变差由原来的1238.375减少为227.615，这是由于扣除了喂养前体重的影响造成的。 从表可见喂养前体重对生猪体重增加有显著的贡献；同时在排除了喂养前体重的影响下，不同饲料对生猪体重的增加也存在显著的差异。从模型对观测数据的拟合优度看，考虑协变量的模型其R2为0.911。而不考虑协变量的模型其R2仅为0.515. 本章小结 方差分析(ANOVA)的概念 方差分析的思想和原理 方差分析中的基本假设 单因素方差分析 多因素方差分析 协方差分析 作业 以商品销售额为观测变量，广告形式和地区为控制变量，通过单因素方差分析分别对广告形式、地区对销售额的影响进行分析。 * * * * * * * * * * * * * * * * * * * * * * * * 该表表明，以0.05为显著度水平，在LSD方法中，报纸广告和广播广告的效果没有显著差异（概率P值为0.412），与宣传品和体验均有显著差异（概率值分别为0.00和0.021）。广播与宣传品有显著差异（概率P值为0.00）；广播与体验没有显著差异（概率P值为0.134）。宣传品与体验有显著差异（概率P值为0.001） S-N-K法划分相似子集 均值为56.5556的组（宣传品组）与其他三组的均值有显著不同（其相似的可能性小于0.05显著度水平），被划分出来，形成两个相似性子集。 总之，如果从获得高销售额的角度选择广告形式，不应采用宣传品的形式，可考虑在报纸、广播和体验中选择一种低成本或操作性强的广告。 多因素方差分析 多因素方差分析一. 双因素方差分析的基本问题二. 双因素方差分析的数据结构三、双因素方差分析的步骤四、一个应用实例 多因素方差分析 两个以上控制变量对观测变量是否产生显著影响； 不仅能够分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而最终找到利于观测变量的最优组合。 两个控制变量的饱和模型 SST=SSA+SSB+SSAB+SSE 三个控制变量的饱和模型 SST=SSA+SSB+SSC+SSAB+SSAC+SSBC+SSABC+SSE 双因素方差分析 双因素方差分析的数学模型 设控制变量A有m个水平，B有n个水平，每个交叉水平下均有L个样本（L次试验）。那么，在控制变量A的水平Ai和控制变量B的水平Bj下的k个样本值 可以定义为： 双因素方差分析 分析两个因素(因素A和因素B)对试验结果的影响 分别对两个因素进行检验，分析是一个因素在起作用，还是两个因素都起作用，还是两个因素都不起作用 如果A和B对试验结果的影响是相互独立的，分别判断因素A和因素B对试验指标的影响，这时的双因素方差分析称为无交互作用的双因素方差分析 4、如果除了A和B对试验结果的单独影响外，因素A和因素B的搭配还会对销售量产生一种新的影响，这时的双因素方差分析称为有交互作用的双因素方差分析 5、对于无交互作用的双因素方差分析，其结果与对每个因素分别进行单因素方差分析的结果相同 双因素方差分析的基本假定 每个总体都服从正态分布 各个总体的方差必须相同 观察值是独立的 任意一个观察对象的数据结构 因素A (i) 因素(B) j 平均值 B1 B2 … Bn A1 A2 : : Am x11 x12 … x1n x21 x22 … x2n : : : : : : : : xm1 xm2 … xmn : : 平均值 … 双因素方差分析的数据结构 ? 是因素A的第i个水平下各观察值的平均值 ? 是因素B的第j个水平下的各观察值的均值 ? 是全部 kr 个样本数据的总平均值 其中Lij为因素A第i个水平和因素B第j个水平下样本观察对象的个数。 SSAB=SST-SSA-SSB-SSE 计算均方 MS 各方差的大小与观察值的多少有关，为消除观察值多少