统计学教程(含spss)七方差分析.pptVIP

双因素方差分析 处理均方 区组均方 误差均方 服从分子自由度为 分母自由度为 的 分布。 双因素方差分析 服从分子自由度为 分母自由度为 的 分布。 双因素方差分析 Ftr Fbl MSTR MSBL MSE r-1 k-r (r-1)(k-1) nT-1 SSTR SSBL SSE SST 处理 区组 误差 总计 F值 均方 MS 自由度 df 平方和 SS 方差 来源 双因素方差分析表 3.874307 2.303142l 83.84 49.84 21.64 4 4 16 24 335.36 199.36 346.24 880.96 处理 区组 误差 总计 F值 均方 MS 自由度 df 平方和 SS 方差 来源 双因素方差分析 （4，16）自由度下的F分布曲线 拒绝域 接受域 结论： 该商品销售量地区间无显著差异。包装方式间有显著差异。 结 束 单因素方差分析 双因素方差分析 用SPSS作方差分析 四种颜色饮料销售量样本数据 30.8 29.6 32.4 31.7 32.8 31.2 28.3 30.8 27.9 29.6 26.5 28.7 25.1 29.1 27.2 27.9 25.1 28.5 24.2 26.5 1 2 3 4 5 绿色 粉色 无色 黄色 超市 [数据集12] =2 =3 =4 color =1 sale 定义 变量 单因素方差分析 调用此过程可完成单因素方差分析 单因素方差分析 单因素方差分析的基本过程可采纳系统的默认方式。 各种选项 多重比较 F统计量=10.544的P值 =0.000 ＜0.05。故拒绝原假设，接受备择假设，即不同颜色的饮料的销售量有显著差异。 单因素方差分析 * 方差 分析 用SPSS作方差分析 方差分析的基本原理 单因素方差分析 双因素方差分析 某饮料企业生产一种新型饮料。饮料的颜色分为黄色、无色、粉色和绿色四种。为确定饮料的颜色是否对饮料的销售量有显著影响，从5个超市中搜集了该种饮料的样本数据如下表所示。管理者想用这些样本数据来检验假设：颜色对销售量没有显著影响。 =28.695 总均值 样本均值样本方差 =31.46 =1.658 =29.56 =2.143 =27.32 =2.672 =26.44 =3.298 30.8 29.6 32.4 31.7 32.8 31.2 28.3 30.8 27.9 29.6 26.5 28.7 25.1 29.1 27.2 27.9 25.1 28.5 24.2 26.5 1 2 3 4 5 绿色 粉色 无色 黄色 超市 方差分析是对多个总体均值是否相等这一假设进行检验。 四种颜色饮料销售量样本数据 总体1 总体2 总体3 总体4 因变量或称响应变量 自变量或称因素 水平1 水平2 水平3 水平4 处理1 处理2 处理3 处理4 样本1 样本2 样本3 样本4 方差分析的基本原理 方差分析的假定条件 1.对每个总体，响应变量服从正态分布: 2.对每个总体，响应变量的方差相同: 3.观察值是独立的 总体1 总体3 总体4 总体2 不尽相等 方差分析的基本原理 原假设为假时，样本均值来自不同的抽样分布。 原假设为真时，样本均值来自同一个抽样分布。 不尽相等 不尽相等 1 m 方差分析的基本原理 可由样本均值间的差异导出σ2一个估计量，此估计量称为σ2 的组间估计量： 方差分析的基本原理 式中: 表示水平的个数。 每个样本方差都给出σ2的无偏估计。将其进行平均可得出σ2的又一个估计量，此估计量称为σ2 的组内估计量。 方差分析的基本原理 H0为真时，组间估计是σ2的无偏估计。 H0为假时，σ2 的组间估计必然偏大。 由于σ2 的组内估计不受总体均值是否相等的影响，所以无论H0为真或为假，组内估计总是σ2的无偏估计。 H0为真，则σ2的两个估计量必然很接近，其比值将接近于1；H0 为假，组间估计将大于组内估计，其比值也将偏大。本例中：组间估计/组内估计=25.6152/2.4428=10.486。 方差分析的基本原理 服从分子自由度为 ，分母自由度为 的 分布。 (25.25)自由度 (5.5)自由度 (2.1)自由度 不同自由度下的F分布曲线 0 方差分析的基本原理 （3，16）自由度下的F分布曲线。 3.24 10.486