第五章SPSS的方差综述.pptVIP

第五章 SPSS的方差分析 什么是方差？ 方差 Variance 各个数据分别与其和的平均数之差的平方的和的平均数 样本中各数据与样本平均数的差的平方和的平均数叫做样本方差 测算离散趋势最重要、最常用的指标 衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大 方差分析概述 问题的提出 最优方案的设计 如何获得最佳的产品销售量？ 哪些因素是影响销售量的主要因素？ 哪些因素的哪种情况更利于提高销售量？ 哪些因素的组合更利于提高销售量？ 可以利用方差分析的方法来实现 方差分析的相关概念 观测变量：作为观测的对象(如：亩产量、推销量等) 控制因素：人为可以控制的因素(如:施肥量、品种、推销策略、价格、包装方式等)，在方差分析中称为控制变量.将控制变量的不同情况称为控制变量的不同水平 随机因素：人为很难控制的因素(如:气候、推销人员的形象、抽样误差等)，方差分析中主要指抽样误差 方差分析 方差分析就是从观测变量的方差入手，研究诸多控制变量中哪些变量是对观测变量有显著影响的变量，以及对观测变量有显著影响的各个控制变量其不同水平以及各水平的交互搭配是如何影响观测变量的一种分析方法。 影响因素的分类 控制因素或控制变量：人为可以控制的因素。如种子品种的选定，施肥量的多少 随机因素或随机变量：人为很难控制的因素。如气候状况。在很多情况下随机因素指的是实验过程中的抽样误差 方差分析的原理 从数据差异角度看: 观测变量的数据差异=控制因素造成+随机因素造成 当控制因素的不同水平对实验结果有显著影响时,和随机因素共同作用必然使观测变量产生显著变动 反之,观测变量的变动较小,可将其归结为随机性造成的(这里指抽样误差造成的) 判断的原则 如果控制变量各水平下的观测变量总体的分布出现了显著差异，则认为观测变量值发生了明显的波动，意味着控制变量的不同水平对观测变量产生了显著影响;反之，如果控制变量各水平下的观测变量总体的分布没有显著差异，则认为观测变量值没有发生明显波动，意味着控制变量的不同水平对观测变量没有产生显著影响。 建立在观测变量各总体服从正态分布和同方差的假设之上，方差分析的问题就转化为在控制变量不同水平上的观测变量均值是否存在显著差异的推断问题了 观察以下三组数据 方差分析正是要分析观测变量的变动主要是由控制因素造成的还是由随机因素造成的，以及控制变量的各个水平是如何对观测变量造成影响的. 总之，方差分析从对观测变量的方差分解入手，通过推断控制变量各水平下各观测变量总体的均值是否存在显著差异，分析控制变量是否给观测变量带来了显著影响，进而再对控制变量各个水平对观测变量影响的程度进行剖析 方差分析的类型 单因素方差分析: 只考虑一个控制因素的影响 多因素方差分析: 考虑两个以上的控制因素和它们的交互作用对观测变量的影响 协方差分析： 在尽量排除其他因素的影响下，分析单个或多个控制因素对观测变量的影响.(引入协变量) 单因素方差分析 目的： 检验某一个控制因素的改变是否会给观测变量带来显著影响. 应用面很广（科学试验，社会经济问题） 考察不同肥料对某农作物亩产量是否有显著差异. 考察不同温度下某化工产品的获得率 考察妇女生育率在不同地区是否有显著差异. 考察不同学历是否对工资收入产生显著影响. 单因素方差分析 基本思路 入手点: 检验控制变量的不同水平下，各总体的分布是否存在显著差异，进而判断控制变量是否对观测变量产生了显著影响. 前提: 不同水平下各总体服从方差相等的正态分布. H0:不同水平下,各总体均值无显著差异.即:不同水平下控制因素的影响不显著. 单因素方差分析 基本思想： 明确观测变量和控制变量 剖析观测变量的方差。即将观测变量总的离差平方和分解为组间离差平方和和组内离差平方和两部分 总变差=组间差异+组内差异 SST：观测变量的总离差平方和 SSA：组间离差平方和，是由控制变量不同水平造成的观测变量的变差 SSE：组内平方和，是由抽样误差引起的观测变量的变差 单因素方差分析 例题5.1 计算各离差平方和 单因素方差分析 直接采用离差平方和？ 受到水平数和样本量的影响 考察平均的组间差异与平均的组内差异的比值 用F统计量来表示这种比例关系： 如果控制变量的不同水平对观测变量造成了显著影响，那么观测变量总变差中控制变量所占的比例较大，则F值就显著大于1 如果控制变量的不同水平对观测变量没有造成显著影响，那么观测变量总变差中控制变量所占的比例较小，则F值就接近1 单因素方差分析的数学模型 假设控制变量A有k个水平，每个水平均有r个样本(试验)，在水平Ai下第j个试验的样本值xij可以分解为 单因素方差分析的数学模型 单因素方差分析的基本步骤 提出原假设：控制