应用统计学：方差分析.ppt

第三章 方差分析;一、概述;方差分析的目的;例1 某公司希望对新进销售人员进行销售培训以保证销售业绩。如何培训才能达到好的效果成为公司关注的问题。为此设置了两组培训课程。为了比较它们的有效性，进行了一项实验：随机选择三组新进销售人员，每组五人。 一组接受A课程销售训练 一组接受销售B课程销售训练 另一组C没有参与任何训练（对照组） 当前两组的训练课程结束后，三组人员都开始实践。两个星期后统计了各组销售人员的销售记录如下：;销售培训会提高销售人员的业绩吗？;组内差异：随机因素造成 组间差异：培训和随机因素造成 如果三组销售人员的平均业绩没有显著差别（组间差异不明显），则说明销售训练失败 如果接受销售训练的销售人员的业绩显著突出，则说明销售训练成功;从上表可以看出，各组样本数据差异较大，尤其是3组与1、2组的均值具有一定的差异。这是否说明销售训练会提高销售业绩呢？当然这种差异也许是由于随机因素所造成，所以需要进行统计检验。;;方差分析的术语;方差分析的类型;问题的表述和假设;方差分析的检验方法:;S组间和S组内的比值反映了两种差异大小的对比，比值越大说明因素各个水平引起的差异越显著;;方差分析步骤;⒈计算水平均值和总均值;2、计算离差平方和;三个离差平方和的关系为：;3、计算均方和;4、计算检验统计量和假设检验;本例r=3。;培训例-续;;单因素方差分析过程one-way ANOVA ;“对比”对话框：均值多项式比较;“两两比较…”对话框：选择均值多重比较方法;“选项”对话框：输出统计量;培训-销售业绩SPSS输出结果;多重比较检验方法;例;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;;;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。;双因素不重复试验;双因素不重复试验方差分析方法;方差分析表：因素的主效应检验;;双因素重复试验;双因素方差分析符号说明; 双因素分析模型;双因素方差分析表;香水例;“模型”对话框：模型设定;“对比”对话框：效应比较;“图”对话框：因变量均数分布图;“两两比较”对话框：多重比较;Save对话框：保存;“选项”对话框;香型与包装方差分析结果;新食品定价和广告策略研究;新食品销售的均值图;方差分析表;四、协方差分析;销售量对商场规模散点图：绿色点-高广告，红色点-低广告;将Storesiz作为协变量引入后的方差分析结果;协变量调整前;协变量的作用机理：单因素;;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。;解禁后事故数vs解禁前事故数;剔除协变量影响后的组间变异与组内变异;均值图比较;协变量调整后;调整前调整后的成对比较;bT为X 对Z 回归的系数;协方差分析中协变量的作用;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;与单响应变量比较;多响应变量方差分析例;分别进行单因素方差分析;;多响应变量方差分析;本章小结;本章小结-续;方差分析过程