六首都师范大学方差分析.pptVIP

考虑交互效应的方差分析 考虑交互效应的方差分析为： 因变量=因素A主效应+因素B的主效应 +因素A与B的交互效应+随机误差 即： 销售额=促销方式+售后服务 +促销方式与售后服务的交互效应 + 随机误差项 SPSS选项 Model— Custom， 在Build Terms 中选择Interaction， 先把promot(F)和service(F)选入Model， 再把promot(F)和service(F)同时选入Model（出现“promot*service”）； SPSS输出结果 方差分析表的意义 考虑协变量的多因素方差分析 再进行方差分析时，要求控制变量（因素）时可控的， 但实际中，有些因素的不同水平很难人为控制，但他们确确实实对观测变量产生显著的影响。 在方差分析中如果忽略这些因素的存在，而单单去分析其他因素对观测变量的影响，往往会夸大或缩小这些因素的影响作用，使得分析结论不正确。 协方差分析 如：我们研究销售额时，仅仅考虑促销方式和售后服务，而不去考虑销售人员的奖金对销售情况的影响，显然是不全面的。 因此为了更加准确地研究控制变量不同水平对观测变量的影响，应尽量排除其他能够排出的因素对分析的影响作用。 协方差分析是将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观察变量的影响，从而更加准确地对控制因素进行评价。 协方差分析 方差分析中的影响变量（因素）都是定性变量， 而协方差分析中的协变量应是定量变量，即连续数值型，协变量之间没有交互影响，且与控制变量之间也没有交互影响。 协方差分析 现在加上作为协变量的定量变量奖金，看它对销售有没有影响，这时的线性模型就又多了一个如同回归一样的代表自变量奖金的一项： 因变量 = 因素A主效应+因素B的主效应 （观察变量） +因素A与B的交互效应+协变量 +随机误差 协方差分析 Spss选项： 只要将奖金（bonus）这个变量放入Covariate中即可。 SPSS输出结果 多因素方差分析的其他选项 Model选项：建立多因素方差分析的模型。 Contrast选项：对控制变量各水平的观察变量的差异进行对比检验。 Post Hoc选项：进行多重比较检验。 Plots选项：以图形的方式展现各控制变量之间是否有交互影响。 多元方差分析 多元方差分析 多元方差分析的原理与一元方差分析的原理一致（略）。 下面通过对一套数据资料建立不同模型来说明多元方差分析。 Spss数据：方差分析2.sav 因变量：人均收入水平INC、 15岁及以上人口上学或毕业比例EDU 因素：民族（3个）、城乡 第一模型：单因素二元模型 按民族一个因素分组 研究目的：通过样本数据检验这三个民族在社会经济发展上是否存在显著差异？ 即： 多元方差的假设 第一模型：单因素二元模型 SPSS选项： Analyze— General Linear Model — Multivariate 人均收入、教育比例 Dependent Var 民族 Fixed Factors Spss的多元显著性检验 * 第六章 试验设计与方差分析 试验设计初步 试验及其模型 处理设计：单因素试验、多因素试验 试验误差：系统误差、随机误差、错失误差 试验的排列 方差分析—ANOVA 方差分析（analysis of variance，ANOVA） 在研究一个变量时，能够解决多个总体的均值是否相等的检验问题； 在研究多个变量对不同总体的影响时，它也是分析各个自变量对因变量影响的一种方法。 方差分析的内容 首先我们对多个总体均值是否相等这一假设进行检验。 例6.1 某饮料生产企业研制出一种新型饮料.饮料的颜色共有四种:橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同。现从地理位置相似、经营规模相仿的五家超市上收集了该种饮料的销售情况。 该饮料在五家超市的销售情况 31.46 26.44 29.56 27.32 均值 30.8 29.6 32.4 31.7 32.8 27.9 25.1 28.5 24.2 26.5 31.2 28.3 30.8 27.9 29.6 26.5 28.7 25.1 29.1 27.2 1 2 3 4 5 绿色 橘黄色 粉色 无色 超市