5.方差分析概述.ppt

第5章 方差分析 单因素方差分析 双因素方差分析 一、基本概念及相关假设 一、基本概念及相关假设 问题1. 为了研究食品的包装和销售地区对其销售量是否有影响，在三个不同的地区中用三种不同包装的方法进行销售，用软件得出的方差分析表如下： EXCEL的数据处理除了提供了很多的函数，但进行方差分析必须加载相应的宏后才能使用。 操作步骤为：点击菜单“工具-加载宏”，会出现一个对话框，从中选择“分析工具库”，点击确定后，在工具菜单栏内出现了这个分析工具。 在本例中，如果“种子品种”因素与“施肥方案”因素对收获量的影响是相互独立的，我们则可以分别判断“种子品种”因素和“施肥方案”因素对收获量的影响，这时的方差分析就被称为“无交互作用的双因素方差分析”； 如果除了这两个因素对收获量的单独影响之外，这两个因素的搭配还会对收获量产生其他影响效果，例如，某一品种的种子更适于在某一种施肥方案下培育等，这时的方差分析称为有交互作用的双因素方差分析。 本节仅介绍无交互作用的双因素方差分析，有交互作用的双因素方差分析方法可以参见其他文献。 三、双因素方差分析 在无交互作用的双因素方差分析中，对于所考察的两个因素，需要将其分别置于行因素和列因素的位置。 这里，不妨设行因素有k个水平，列因素有r个水平。 行因素和列因素的每一个水平均可搭配成一组进行试验，并最终得到个观测试验数据，其结构见表9-4。 表9-4中的每一个观测值xij都可被看作是由行因素的第i个水平与列因素的第j个水平组成的总体中随机抽取的一个容量为1的随机独立样本。 三、双因素方差分析 表9-4中对应了kr个总体，这里假定这些总体均服从正态分布，且有相同的方差。其中涉及了三种平均值，具体的计算公式如下： 三、双因素方差分析 具体的分析步骤如下： （1）提出假设 为了检验两个因素是否产生了影响，需要对其分别提出假设。对行因素提出的假设为： 三、双因素方差分析 对列因素提出的假设为： 其中，μi与ηj分别是行因素的第i个水平的均值与列因素的第j个水平的均值。 （2）构造检验统计量 首先，为了检验上述H0是否成立，我们需要对行因素与列因素分别构建检验统计量。 这里，与单因素方差分析的方法类似，仍利用误差平方和来构建检验统计量。 三、双因素方差分析 首先，总误差平方和（SST）是由全部观测值xij与总的样本均值 的差的平方和组成，并且可以被分解为三个部分： 上式第二个等号后的分解结果中，第一个部分是由行因素产生的误差平方和，这里记为SSR，即： 三、双因素方差分析 第二项是由列因素产生的误差平方和，记为SSC，即 第三项是由行因素与列因素之外的因素产生的，可以被称为随机误差项平方和，记为SSE，即 也就是说，有关系式SST=SSR+SSC+SSE 其次，对于上述误差平方和，其对应的自由度分别为：SST的自由度为kr-1；SSR的自由度为k-1；SSC的自由度为r-1；SSE的自由度为(k-1)(r-1)。 从而，利用这些自由度，我们可以构建所需的F统计量。 具体的，检验行因素对因变量是否产生显著影响，可以利用统计量： 三、双因素方差分析 检验列因素对因变量是否产生显著影响，可用统计量： 3）统计决策 对于计算得到的检验统计量的值，在给定显著性水平α的情况下，比较临界值Fα与 FR、FC的大小关系，即可对原假设是否成立做出抉择。 若FR Fα ，则拒绝原假设，认为行因素对因变量有显著影响； 若 FC Fα ，则拒绝原假设，认为列因素对因变量有显著影响。 三、双因素方差分析 基于以上过程，可以对例2中的问题进行无交互作用的双变量方差分析。 首先，行因素“种子品种”对“粮食收获量”影响的检验统计量FR=6.35，在0.05的显著性水平下相应的F临界值为 三、双因素方差分析 由于FR=6.35 3.84，因此拒绝原假设，认为“种子品种”对“粮食收获量”有显著的影响；其次，列因素“施肥方案”对“粮食收获量”影响的检验统计量FC=27.67，而在0.05的显著性水平下，相应的F临界值为 由于FC=27.67 4.46，因此拒绝原假设，认为“施肥方案”对“粮食收获量”有显著的影响； 从而，在0.05的显著性水平下，在例2的研究范畴内，“种子品种”和“施肥方案”都可被视为“粮食收获量”的显著的影响因素。 并且，我们可以以此结论为依据，进一步建立以“粮食收获量”为因变量，“种子品种”和“施肥方案”为自变量的实证模型，进行三者之间量化关系的