数据补充分析.ppt

浙江万里学院 数据分析 主讲：黄剑 补充：方差分析 * 数据分析（主讲：黄剑） * 一、方差分析概念 方差分析（analysis of variance）又称变异数分析，可简记为ANOVA，主要用于检验计量资料中的两个或两个以上均值间差别显著性的方法。 根据效应的可加性，将总的离均差平方和分解成若干部分，每一部分都与某一种效应相对应，总自由度也被分成相应的各个部分，各部分的离均差平方除以相应部分的自由度得出各部分的均方，然后列出方差分析表算出值，作出统计推断。 * 数据分析（主讲：黄剑） * 变异来源 source 离差平方和 SS 自由度df 均方MS F统计量F P 效应S1 SS1 df1 MS1= SS1/df1 F1(df1, dfe)= MS1/ MSe P1 效应S2 SS2 df2 MS2= SS2/df2 F2(df2, dfe)= MS2/ MSe P2 …… …… …… …… …… 效应Sm SSm dfm MSm= SSm/dfm Fm(dfm, dfe)= MSm/ MSe Pm 误差Se SSe dfe MSe= SSe/dfe 总变异ST SST= SS1+ SS2+…+ SSm+ SSe dfT=df1+ df2+…+ dfm + dfe MST= SST/dfT FT(dfT, dfe)= MST/ MSe PT 单因素方差分析 * 数据分析（主讲：黄剑） * 设因素A有k个 水平A1,A2,…Ak，在每一个水平下考察的指标可以看成一个总体，现有k个总体，并假定: 1、每一个总体均服从正态分布； 2、每一个总体的方差相同； 3、从每一个总体中抽取的样本相互独立。 我们要比较各个总体的均值是否一致，就是要检验各总体的均值是否相同，设第i个总体的均值为μi，那么就是要检验如下原假设： 统计量 统计量 检验的 值为 对给出的 , 若 , 则拒绝 , 各水平的效应有显著差异; 否则, 不能拒绝,认为各水平的效应无显著差异. SAS中的proc anova用于单因素的方差分析. 例3.1 幼鼠对三种食谱的体重增加量的数据如下, 试分析营养效果是否明显差异. data examp3_1; input recipe $ weight @@; cards; a1 164 a1 190 a1 203 a1 205 a1 206 a1 214 a1 228 a1 257 a2 185 a2 197 a2 201 a2 231 a3 187 a3 212 a3 215 a3 220 a3 248 a3 265 a3 281 ; run; proc anova data=examp3_1; class recipe; model weight=recipe; run; 例3.2 分析四个实验室试制的纸张光滑度有无差异 data examp3_2; input lab $ smooth @@; cards; a1 38.7 a1 41.5 a1 43.8 a1 44.5 a1 45.5 a1 46.0 a1 47.7 a1 58.0 a2 39.2 a2 39.3 a2 39.7 a2 41.4 a2 41.8 a2 42.9 a2 43.3 a2 45.8 a3 34.0 a3 35.0 a3 39.0 a3 40.0 a3 43.0 a3 43.0 a3 44.0 a3 45.0 a4 34.0 a4 34.8 a4 34.8 a4 35.4 a4 37.2 a4 37.8 a4 41.2 a4 42.8 ; run 各对均值差异的置信区间 proc anova data=examp3_3; class lab; model smooth=lab; means lab; means lab/clm alpha=0.05; means lab/t cldiff alpha=0.05; run; 双因素方差分析 研究饮食和健美操对减肥的作用。我们认为饮食对减肥肯定有一定作用，适当的健美操对减肥也有效果。如果饮食加上健美操作为减肥的手段，就存在哪一种饮食配上哪一样健美操最为有效的问题，因为饮食与饮食这两种减肥手段之间存在着交互作为，会强化减肥的作用。现有三套饮食方案称为a、b、c，五种不同的健美操标记为1、2、3、4、5。构成成了3×5=15种水平组合，选择了情况基本相同的90个肥胖人进行试验，将他们随机地指派到这15个组中且每组6人。经过一段时间后，体重的下降结果见表所示 proc glm data=fatness; class food train; model y=food train food*train; lsmeans food train foo