第6章节SPSS方差分析.pptVIP

协方差分析 (二)基本思路 观测变量总变差： 协变量、控制变量、交互作用、随机因素 H0:协变量对观测变量没有显著影响；在剔除协变量影响的条件下，各交叉分组下的总体均值无显著差异. 单因素协方差分析的数学模型 协方差分析 (二)基本思路 对协变量的要求 协变量是数值型的; 协变量与观测变量的线性关系在各水平均成立，且斜率大致相同 协方差分析是界于方差分析和回归分析之间的一种分析方法 定距型变量、品质变量 协方差分析 (二)基本思路 检验统计量： F= MSA/MSE F=MSB/MSE F= MSAB/MSE F= MSZ/ MSE 结论: 依次查看各F值的相伴概率.如果其相伴概率大于a,则不能拒绝H0,认为相应不同水平的控制变量或交互影响或协变量没有给观测变量带来显著影响 反之 协方差分析 (三)基本步骤 同多因素方差分析，并指定协变量到Covariates框中 （Covariate等价于回归分析中的接收自变量的框） * 转载 第六章 方差分析 方差分析概述 一、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 哪些因素的那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 方差分析概述 二、方差分析 目的：方差分析从分析数据的差异入手，分析哪些因素是影响数据差异的众多因素中的主要因素. 相关概念： (1)观测变量:作为观测的对象(如：亩产量、推销量等). (2)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因素.将控制变量的不同情况称为控制变量的不同水平. (3)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。 方差分析概述 控制因素 观测变量 三个水平 方差分析概述 三、核心问题 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,将归结为随机性造成的(这里指抽样误差造成的). 方差分析概述 观察以下三组数据： 500 500 500 10公斤 600 600 600 15公斤 700 700 700 20公斤 501 502 503 10公斤 608 510 521 10公斤 503 501 502 15公斤 510 601 524 15公斤 502 503 501 20公斤 604 501 530 20公斤 方差分析正是要分析观测变量的变动主要是由控制因素机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. 方差分析概述 四、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 (一)目的 检验某一个控制因素的改变是否会给观察变量带来显著影响. 例如：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 (二)基本思路 (1)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. (2)前提: 不同水平下各总体服从方差相等的正态分布. (3) 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 (二)基本思路 (4) 构造F统计量 因为:总变差=组间差异+组内差异 可证明:SST= SSA+SSE(设:k个水平，每个水平有ni个数据) 考察平均的组间差异与平均的组内差异的比值,于是: ~F(k-1,n-k) 单因素方差分析 (二)基本思路 (5)结论: F值较大,F值的概率p值小于或等于用户给定的显著性水平a,则拒绝H0,认为不同水平下各总体均值有显著差异; F值较小,F值的概率p值大于用户给定的显著性水平a,则不能拒绝H0,可以认为不同水平下各总体均值无显著差异. 单因素方差分析 (三)数学模型