连续变量的单因素方差题库.pptVIP

第11章 连续变量的单因素方差分析 本章主要内容： 1、方差分析介绍； 2、案例：不同消费者信心指数的比较； 3、均数间的多重比较； 4、各组均数的精细比较； 5、组间均数的趋势比较 11.1 方差分析简介 一、进行方差分析的原因 多个均数间的比较问题 例：在CCSS项目中，考察2007年4月，2007年12月，2008年12月，2009年12月这4 个时点的消费者信心指数平均水平是否存在差异。 假设H0：m1 = m2 = m3 = m4; H1: m1, m2, m3, m4不全相同 两两t检验不可行性。在本例中，至少要进行6次t检验，而每次检验结论都有可能犯错误。6次中只要有一次犯错误，两两t检验的结论就不可靠，这无形中提高了犯错误的概率。因此，进行多个均数间的比较时不能用两两t检验。 二、方差分析的基本思想 方差分析就是对多个总体均值是否相等这一假设进行检验的方法。 方差分析是基于方差（变异）分解的思想进行的。 方差分解： （一）数据变异的来源 1、处理因素导致的变异（系统性变异）； 2、随机变素（随机性变异）。 总变异 = 随机变素 + 处理因素导致的变异 （二）数据变异的度量 1、各组均数的差异（组间变异）——系统性因素和随机因素的共同作用，用组间平方和SSB来表示。 2、各组内部的差异（组内变异）——随机性因素的作用，用各组间的离均差平方和（组间平方和）SSW 来表示。 总变异（SST）= 组内变异（SSB）+ 组间变异（SSW） （三）方差分析的基本思想： 如果处理因素对结果没有影响，那么组间变异（组间平方和）就只含随机性变异而没有系统性变异，其值与组内变异（组内平方和）就应该很接近，两个变异的比值就会接近于1，处理因素不存在显著的影响；反之，组间变异就同时包含系统性差异和随机性差异，两个变异的比值就会明显大于1，当这个比值大到某个程度（比如说大于某个临界值）就可以作结论：处理因素存在显著的影响。 1、方差分析的统计假设： ； 2、检验统计量： 组间均方与组内均方之比 F是一个统计量，服从F分布 至少两个总体的均值不等 计算公式 1 、总（离差）平方和 x x x ij 2 2 2 、组间平方和 3 、组内平方和 1 、组间均方： 2 、 组内均方： 方差分析表 方差分析表 方差来源 离差平方和 自由度 均方 F值 组间变异 组内变异 总变异 SSB SSW SST MSB MSW 表中的数量关系： （ 1 ） 平方和间的关系： （ 2 ） 自由度间的关系： 即 单因素方差分析的应用条件 独立性。观察对象是来自于所研究因素的各个水平之下的独立随机抽样。 正态性。每个水平下的应变量应当服从正态分布。 方差齐性。各水平下的总体具有相同的方差。 方差齐性检验方法 方差齐性检验方法： Levene法 Bartlett法 Hartley法：当各组样本量相同时使用。 Cochran法：当各组样本量相同时使用。 变量替换 当原始数据不满足方差分析要求时，可以进行变量替换： 对数转换：适用于对数正态分布的资料、部分正偏态的资料、等比资料、各组变异系数相近的资料。 平方根转换：适用于Poisson分布的资料、样本的方差与均数呈正相关的资料、观察变量为正且取值在0~20%或80%~100%的资料。 平方根反正弦转换：适用于原始资料为正且取值广泛的资料。 平方变换：适用于样本的方差与均数呈反比或呈左偏的资料。 倒数变换：适用于样本的方差与均数平方呈正比的资料。 Box-Cox变换：难以找到合适的变换方法时。 应用条件不满足时的影响 独立性。独立性对结果的影响较大，尽量避免主观失误。 正态性。方差分析对于资料的正态性有一定的耐受能力。 方差齐性。与正态性相比，方差齐性对结论的影响较大。方差轻微不齐仅会对结论有少许影响。 均衡性。各组在样本含量上的均衡性能在一定程度上弥补正态性或方差齐性得不到满足时所产生的影响。 11.2 案例 例：在CCSS项目中，考察2007年4月，2007年12月，2008年12月，2009年12月这4 个时点的消费者信心指数平均水平是否存在差异。 （1）假设H0：m1 = m2 = m3 = m4; H1： m1, m2, m3, m4不全相同 （2）预分析。 Analyze  Compare Means  Means… 绘制图形（箱图、直方图等）考察数据的正态性和方差齐性。 （3）单因素方差分析 Analyze  Compare