第2章 多元正态分布均值向量和协差阵的检验m.pptVIP

1. 选择菜单项Analyze→General Linear Model→Multivariate，打开Multivariate对话框，如下图。将要分析的四个变量移入右边的Dependent Variable列表框中，在Fixed Factor(s)中选入行业。 2.单击OK按钮，执行操作。则在结果输出窗口中给出相应的检验结果，如下表。 通过观察P值，我们发现均小于0.05，因此拒绝原假设，说明三个行业运营能力有显著差异。 二 协差阵的检验 1. 选择菜单项Analyze→General Linear Model→Multivariate，打开Multivariate对话框，如下图。将要分析的四个变量移入右边的Dependent Variable列表框中，在Fixed Factor(s)中选入行业。 2. 单击Options按钮，打开Options子对话框，如下图所示。在对话框中选择Homogeneity tests复选框，即对三个行业的协方差矩阵是否相等进行检验。单击Continue按钮返回主对话框。 3.单击OK按钮，执行操作。则在结果输出窗口中给出相应的检验结果，如下表。 通过观察Box‘s Test的P值，我们发现大于0.05，因此不能拒绝原假设，说明三个行业协方差矩阵是相等的。 * 统计学总论 第二章 多元正态分布均值向量和协差阵的检验 * 第一节 均值向量的检验 第二节 协差阵的检验 第二章 多元正态分布均值向量和协差阵的检验 * 假设检验的四个基本步骤： ⑴提出待检验的假设H0和H1。 ⑵给出检验的统计量及其服从的分布。 ⑶给定检验水平α，查统计量的分布表，确定相应的临界值，从而得到否定域。 ⑷根据样本观测值计算出统计量的值，看是否落入否定域中，以便对待判假设做出决策（拒绝或接受）。 * 第一节 均值向量的检验 一、霍特林（Hotelling）T2分布 这一统计量的分布是由Harold Hotelling首先提出来的，因此称为HotellingT2分布。 我国的统计学家许宝騄先生1938年用不同方法也导出了T2分布的密度函数，但表达式很复杂。 * 分布 定义1： * 分布 注： * 分布基本性质 * 二、一个正态总体均值向量的假设检验 * 1.协差阵∑已知时均值向量的检验 假设H0成立，检验统计量为： * 1.协差阵∑已知时均值向量的检验 * 1.协差阵∑已知时均值向量的检验 * 2.协差阵∑未知时均值向量的检验 检验统计量： * 2.协差阵∑未知时均值向量的检验 * 三、两个正态总体均值向量的假设检验 * 1.∑已知时均值向量的检验 * 在一元统计中，进行均值相等检验所给出的统计量为 1.∑已知时均值向量的检验 显然 * 2.∑未知且大于零时均值向量的检验 * 其中： 2.∑未知且大于零时均值向量的检验 * 2.∑未知且大于零时均值向量的检验 * 2.∑未知且大于零时均值向量的检验 * 又由于 所以 2.∑未知且大于零时均值向量的检验 * 第二节 协差阵的检验 在多元统计分析中，不仅需要经常对总体的均值向量进行检验，而且有时还需要对总体的协差阵进行检验。 这里主要给大家介绍一个正态总体协差阵的检验。 * * 首先我们考虑检验假设 所构造的检验统计量为 其中 * 然后我们考虑检验假设 令 则 * 此时构造统计量为 其中 * 统计量 的精确分布不易确定，一般用其近似分布或极限分布。 * * 多元正态分布假设检验的实例与计算机实现 一 均值向量的检验 二 协差阵的检验 一 均值向量的检验 利用SPSS软件可以完成多元正态分布均值和协差阵的检验。下面通过一个实例来说明多元正态分布检验的SPSS实现过程。 例:对35家上市公司2000年年报数据，取其四个反映运营能力的的指标净资产收益率、总资产报酬率、资产负债率及销售增长率，检验三个行业的运营能力是否具有显著性差异；并且检验三个行业的协方差矩阵是否相等。 *