应用统计学：方差论述.pptVIP

组间变异不比组内变异显著地大 结论是否可信？ 影响交通事故的其他因素：由于道路状况、天气状况等的差别，有些乡镇比另一些乡镇更容易发生交通事故，选取解禁前各乡镇年交通事故数numpre为参考变量，从数据表中可以看出，第二组各城镇在未解禁前事故率就相当高，解禁后的事故率相对来说并不很高。 不同城镇的交通事故数差异很大（甚至同一试验组的城镇之间），原因何在？ accidnum 解禁后事故数vs解禁前事故数 组间相关 组内亦相关 且相关度更高 剔除协变量影响后的组间变异与组内变异 协变量调整后，组间变异增大，组内变异减小 协变量调整后模型: Intercept+numpre+group 协变量调整前模型: Intercept+group 均值图比较 未考虑协变量 协变量调整后 协变量调整后 调整前 协变量调整后，卖酒模式对交通事故数影响显著 调整前调整后的成对比较 饭店里卖酒对交通事故影响最大 bT为X 对Z 回归的系数 X与Z的协方差为0时 SST(Xadj)=SST(X) X与Z的组内协方差为0时 SSW(Xadj)=SSW(X) 协方差分析中协变量的作用 减小组内变异 调整组间变异 Y响应变量 Z协变量 协变量仅解释组内变异 Y响应变量 Z协变量 协变量仅解释组间变异 案例：电价政策对宁夏高耗能产业用电需求的影响分析 五、多响应变量方差分析 解决响应变量间的相关性带来的影响 与单响应变量比较 Univariate Multivariate hypothesis sums of squares error sums of squares hypothesis sums of squares and cross-products matrix error sums of squares and cross-products matrix 多响应变量方差分析例 广告策略分析 某一产品做广告，设计两种不同类型的广告，研究哪种广告策略更好 Hardsell, humorous 随机抽取各30人分别观看两种广告 调研问题 likability: 你有多喜欢这个产品？ Intnbuy: 你购买此产品的可能性有多大？ 分别进行单因素方差分析 多响应变量方差分析 本章小结 方差分析：因素不同水平对响应变量的影响是否显著 平方和分解：总平方和=主效应+交叉效应+残差平房和 因素影响显著性检验： 原假设和备择假设 F=组间变异/组内变异 本章小结-续 方差分析的类型 单因素方差分析 单响应变量方差分析 多响应变量方差分析 协方差分析 若因素作用显著，进一步分析工具：多重均值比较 方差分析过程 多响应变量方差分析 若拒绝原假设，各响应变量分别进行方差分析及均值比较 因素效应显著性检验 如果效应显著，根据因素水平均值分布图进一步将这些差异提取出来，这就要作多重均值比较（如配对比较） 当存在非实验因素干扰→协方差分析 例 有五种治疗麻疹的药，要比较它们的疗效。假定将30个病人分成五组，每组6人使用同一种药，记录病人从使用药物开始到痊愈所需时间（天）如表。试进行方差分析。 输入数据：痊愈时间和组别 调用“One-Way ANOVA”过程，选择如下选项： 方差齐性检验 多重比较方法：LSD,Duncan， 输出描述统计量。 Duncan多重极差检验结果说明：所有5个待比较组分为两个子集（3，2，4，5）和（1，5），属同一子集的药物可认为无明显差异。对于第一个子集， “2、3、4、5药物治愈所需天数均值相等”的假设接受的概率仅为0.067，略大于0.05。 单因素方差分析例 一DVD厂商希望了解不同年龄段（age group)的消费者对其生产的一种新型DVD的评价(dvdscore) 做单因素方差分析，画出均值图 多重均值比较 第四组评价最高 第三组评价次高 比较第三组均值与第四组均值是否有显著差异 一、二组评价较低 五、六组评价最低 比较32岁以下和46岁以上人群是否有显著差异 用单因素 ANOVA 中的contrast选项： 1）mean3-mean4 2)0.5mean1+0.5mean2-0.5mean5-0.5mean6 32岁到45岁的评价无显著差异 32岁以下和46岁以上消费者的评价无显著差异 例：某企业准备上市一种新型香水，需要进行市场调研。经验表明除香水气味外，香水包装对需求也有很大影响。现对三种不同的包装、三种不同香型的香水进行测试，每种组合采用一个不同的市场调查，调查结果见下表。 1.92 3.15 2.54 包装3 1 1.5 3.29 包装2 1.58 2.04 2.8 包装1 流行 激情 高雅 A B 三、单响应变量方差分析——以双因素方差分析为例 双因素不重复试验 B1 B2 …