第八讲方差分析讲解.pptVIP

第四章 方 差 分 析 教学要求：使学生掌握SAS系统的方差分析功能，能运用SAS/INSIGHT与分析家的菜单系统及过程步进行方差分析。 教学重点：ANOVA过程步. 教学难点：输出结果的解释 教学方法：授课、上机、实验报告 教学内容： 4.1 单因素方差分析 4.2 使用SAS进行单因素方差分析 4.3 双因素方差分析 4.4 使用SAS进行双因素方差分析 4.1 单因素方差分析的有关概念 4.1.1 单因素方差分析问题与模型 4.1.2 方差分析中的基本假定 4.1.3 方差分析中的多重比较 4.1.1 单因素方差分析问题与模型 1.数学模型 进行单因素方差分析的数据结构如表1所示。 2.单因素方差分析的检验 单因素方差分析是检验某一因子对某一指标的影响是否显著的统计分析方法。换句话说，是检验若干个水平间差异是否显著的统计分析方法。或者说是检验若干个总体的某一指标的均值是否相等的统计分析方法。 3. 方差分析表 SAS系统可输出如表2所示的方差分析表 表2 单因素方差分析表 利用方差分析表中的信息，就可以对因素各水平间的差异是否显著做出判断。通常根据F检验的p值，若p值 ? 拒绝原假设，若p值 ? 不能拒绝原假设。 4.1.2 方差分析中的基本假定 方差分析中常用的基本假定是： ● 正态性：每个总体均服从正态分布，也就是说，对于每一个水平Ai，其观测值xi1, xi2,…,xini,是来自正态分布的简单随机样本,即?i12= ?i22 =…= ?ini2= ?i2. ● 方差齐性：各总体的方差相同,即 ?12= ?22 =…= ?m2. ● 独立性：从每一总体中抽取的样本是相互独立的. 在SAS中，正态性检验可用第3章介绍的方法来验证，也可通过本章介绍的“残差的正态性检验”来验证，方差齐性可以在方差分析的过程进行验证，而独立性可由试验的随机化确定. 4.1.3 方差分析中的多重比较 在方差分析的检验结果是关于参数的一个整体的假设。若原假设被拒绝，表明此因素各个水平下的均值有显著差异，但并不了解在哪些水平下均值存在显著性差异。所以如果方差分析结论是拒绝原假设，还常需要对各水平下响应变量的均值进行估计和比较。称这个比较方法为多重比较。SAS可输出多种多重比较结果。 4.2 使用SAS进行单因素方差分析 4.2.1 用INSIGHT作单因素方差分析 4.2.2 用“分析家”作单因素方差分析 4.2.3 用过程步进行单因素方差分析 4.2.1 用INSIGHT作单因素方差分析 1. 实例 【例1】消费者与产品生产者、销售者或服务的提供者之间经常发生纠纷。当发生纠纷后，消费者常常会向消费者协会投诉。为了对几个行业的服务质量进行评价，消费者协会在零售业、旅游业、航空公司、家电制造业分别抽取了不同的企业作为样本。每个行业各抽取5家企业，所抽取的这些企业在服务对象、服务内容、企业规模等方面基本上是相同的。然后统计出最近一年中消费者对总共20家企业投诉的次数，结果如表3。 表3 消费者对四个行业的投诉次数 通常，受到投诉的次数越多，说明服务的 质量越差。消费者协会想知道这几个行业之间 的服务质量是否有显著差异，即在方差分析中 检验原假设： H0: 四个行业被投诉次数的均值相等. 2. 分析步骤 将表3中数据整理成如右图所示的数据集，存放在li4_1中； 在INSIGHT模块中打开数据集li4_1. 3. 结果分析 第一张表提供拟合模型的一般信息: 第二张表为列名型变量信息，即HANGYE为列名 型的，有4个水平； 第三张表提供参数信息，并且约定，P_2、P_3、 P_4、P_5分别为航空、家电、零售和旅游4个行业的 标识变量（也称哑变量）。如下图所示。 第四张表给出响应变量均值关于自变量不同水平的模型方程，如上图所示。其中，标识变量取值： 运行结果输出多张表。其中第六张为方差分析表， 如下图所示。 从方差分析表可看到检验的p值=0.04760.05（显著水 平），所以拒绝原假设，即不同行业的消费者投诉次数 有显著差异。 4. 检验模型假定 为了验证残差为正态分布的假定，回到数据窗