第6章方差分析.ppt

方差分析问题属于推断统计中的假设检验问题，其基本步骤与假设检验完全一致。 1、提出零假设 多因素方差分析的零假设是个控制变量不同水平下观测变量各总体的均值无显著差异，控制变量各效应和交互效应同时为0，记为 意味着控制变量和它们的交互作用没有对观测变量产生显著影响 2、选择检验统计量 3、计算检验统计量观测值和概率p值 4、给出显著性水平，并做出决策 在利用SPSS进行多因素方差分析时，应首先将各个控制变量以及观测变量分别定义成多个SPSS变量，并组织好数据后再进行分析。SPSS多因素方差分析的基本操作步骤是： （1） 选择菜单分析→一般线性模型→单变量，于是出现如图6-5所示的窗口。 定观测变量到【因变量】框中。 （3） 指定固定效应的控制变量到【固定因子】框中，指定随机效应的控制变量到【随机因子】框中。 （4） 单击 【模型】 按钮，弹出 【单变量模型】 框，指定模型，选择类型。 至此，SPSS将自动建立多因素方差分析的饱和模型，并计算各检验统计量的观测值和对应的概率p值，并将结果显示在SPSS输出窗口中。 例6.3 城市道路交通管理部门为研究不同的路段和不同的时间段对行车时间的影响，搜集了3个路段高峰期和非高峰期的30个行车时间的数据如下（单位：分钟），分析路段、时段以路段与时段的交互作用对行车时间的影响。 ? 路 段 路段1 路段2 路段3 ? ? 时段 ? 高峰期 36.5 34.1 37.2 35.6 38.0 28.1 29.9 32.2 31.5 30.1 32.4 33.0 36.2 35.5 35.1 ? 非高峰期 30.6 27.9 32.4 31.8 27.3 27.6 24.3 22.0 25.4 21.7 31.8 28.0 26.7 29.3 25.6 1 选择菜单分析→一般线性模型→单变量，于是出现如图6-5所示的窗口。 2 指定左侧“行车时间”到【因变量框】中。 3 指定固定效应的控制变量“路段”“时段”到【固定因子】框中 4 单击【模型】按钮，弹出【单变量模型】框，将“路段”“时段” 两个因子选入模型框中，在效应选项中，选择类型【主效应】。如图6-6 ，分析结果如表6-8,所示 表6-8给出了无交互作用的两因子方差分析的结果。路段，时段因子的概率P值为0.000小于显著性水平0.05，拒绝零假设，可以判断，路段和时段因子显著，即不同时段不同路段对行车时间由显著性的影响。 6.4.1 协方差分析的基本思路 　　协方差分析仍然沿承方差分析的基本思想，并在分析观测变量变差时，考虑了协变量的影响，认为观测变量的变动受四个方面的影响，即控制变量的独立作用、控制变量的交互作用、协变量的作用和随机因素的作用，并在扣除协变量的影响后，再分析控制变量对观测变量的影响。 单因素协方差分析的数学模型是 是在水平 下的第j次试验的样本值；为观测变量期望值； 是控制变量水平 对试验结果产生的附加影响，是水平 对观测变量产生的效应； 是回归系数； 是水平 下的第j次试验的样本值对应的协变量值； 为抽样误差，是服从正态分布 的独立随机变量。 在利用SPSS进行协方差分析时，应首先将作为协变量的变量定义成一个SPSS变量。SPSS协方差分析的基本操作步骤如下： 选择菜单分析 → 一般线性模型→ 单变量，于是出现如图6-8所示的窗口。 2 指定观测变量到【因变量】框中。 3 指定固定效应的控制变量到【固定因子】框中，指定随机效应的控制变量到【随机因子】框中。 4 指定作为协变量的变量到【协变量】框中。 例6.4 对研究三种不同饲料对生猪体重增加（wyh）的影响，将生猪随机分成三组各喂养不同的饲料（sl）,得到体重增加的数据。由于生猪体重的增加理论上会受到猪自身身体条件的影响，于是收集生猪喂养前体重（wyq）的数据，作为自身身体条件的测量指标。为准确评价饲料的优劣，采用单因素协方差分析的方法进行分析。这里，猪体重的增加量为观测变量，饲料为控制变量，猪喂养前的体重为协变量。具体数据如下 具体操作如下 （1） 选择菜单分析 → 一般线性模型→ 单变量，于是出现如图6-8所示的窗口。 （2） 指定增加的体重“增重”到，选入【因变量】框中。 （3） 指定选择饲料种类的变量“饲料”到【固定因子】框中， （4） 指定作为“初重”到【协变量】框中。 分析结果如下: 表6-10给出了协方差分析的结果，概率p值都为0.0000小于显著性水平0.05，拒绝原假设，可推断饲料和初重这两个因子都高度显著，即饲料和初重对猪的生长都有显著的影响。 方差分析是通过对