06第六章方差分析.pptVIP

单因素方差分析的Excel操作 此处输入数据所在区域 【注意】每个因素的数据是按列排的 如果数据所在区域的第一行是因素名称，则选择 此处输入α（显著水平）的值，默认为0.5 此处为结果输出到哪个区域（只需回答区域左上角单元） 第六章 方差分析 第六章 方差分析 贵州财经学院数学与统计学院 第六章 方差分析 第一节 方差分析的基本问题 第二节 单因素方差分析 第一节 方差分析的基本问题 方差分析能够解决多个总体均值是否相等的检验问题。节省时间是这种方法明显的优点，它的另外一个好处是：由于进行分析时是将所有样本资料结合在一起，因而增加了稳定性。例如，30个样本，每一个样本包括10个观察单位。如果用z或t检验法，一次只能研究二个样本，即20个观察单位.而使用方差分析则可以把300个观察单位结合在一起进行研究。所以说，方差分析是一种实用、有效的分析方法。 是能一次性地对多个总体均值是否相等这一假设进行检验的方法。 例：某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。随机从五家超级市场上收集了前一期该种饮料的销售量. 方差分析 一、方差分析的内容 为了对方差分析的内容有一个直观认识，不妨通过下面的例子说明。 问该饮料的颜色是否对销售量产生影响。 30.8 29.6 32.4 31.7 32.8 27.9 25.1 28.5 24.2 26.5 31.2 28.3 30.8 27.9 29.6 26.5 28.7 25.1 29.1 27.2 1 2 3 4 5 绿色 橘黄色 粉色 无色 销售 量 超市 分析:这是一个方差分析的问题。即对四种饮料销售量均值μ是否相等进行检验。由于饮料是同一厂家生产的，它们的营养含量、味道、价格、包装等可能影响销售量的因素全部相同，如果检验结果为μ1　、μ2、μ3、μ4不存在显著影响，则可以认为饮料的颜色对销售量没有影响，它们来自于相同的总体。 销售量 μ1=μ2=μ3=μ4 绿色、粉色、无色、橘黄色 如果相等，可以认为它们来自于相同的总体。（即颜色对销量没有影响） 分析:反之，如果检验结果为 μ1、μ2、μ3、μ4不相等，则意味着它们来自于不同的总体，表明饮料颜色对销售量产生影响。 μ1 μ2 μ3 μ4 销售量 绿色 橘黄色 粉色 无色 方差分析就是一次性地对多个总体均值是否相等这一 假设进行检验的方法。 二、方差分析的基本概念 在方差分析中，常常用到一些术语。 因素 水平 交互影响 又称因子，是在实验中或在抽样中的发生的量， 它是一个独立的变量，也是方差分析研究的对象。 因素的状态称为水平。 如果因子间存在相互作用，称之为“交互影响”；如果因子间是相互独立的，则称为无交互影响。 如上例中饮料的颜色 如上例中水平有四个，即饮料的四种不同的颜色。 在实验中变化的因素不只有一个 单因素方差分析 多因素方差分析 在实验中变化的因素只有一个 上例中只分析饮料的颜色对销售量是否有影响. 假如上例中除了颜色以外,还分析饮料的营养含量、味道、价格、装潢等因素对销售量是否有影响. 三、方差分析的原理 从方差分析的目的看，是要检验各个水平的均值u1,u2,…… ur是否相等，而实现这个目的的手段是通过方差的比较。 所以方差分析的原理就是通过不同方差的比较，作出接受原假设或拒绝原假设的判断。 1、方差的分解： 观察值的差异 系统性差异 由因素中的不同水平造成的差异 由于抽选样本的随机性而产生的差异 随机性差异 组间方差 组内方差 分解 总方差 变异指标 指不同水平之间的方差.既包括系统性差异，又包括随机性差异。 是同一水平内部的方差,只包括随机性差异 如销售量的不同 颜色不同引起销量不同 相同颜色的饮料在不同商场销售量也不同 如果不同的水平对结果没有影响，则没有系统性差异，组间方差与组内方差的比值就会接近于1, 即: 如果不同的水平对结果产生影响，包括了系统性差异，则组间方差与组内方差的比值就会显著地大于1许多。 当这个比值大到某个程度，或者说达到某临界点，就可以作出判断，说不同的水平之间存在着显著性差异。 即: 即: 如饮料的颜色对销售量不产生影响 如饮料的颜色对销售量有显著影响 2、检验统计量 我们把组间方差和组内方差之比称为检验统计量。数理统计证明，这个统计量服从F分布。又叫F统计量：即 F分布为正偏态分布, F是大于0的正数。许多类型的假设检验需要利用F分布，方差分析是其中的一种。 颜色对销售量没有影响 第二节 单因素方差分析 为便于叙述，也便于理解，可以将单因素方差分析按其过程划为几步。 不完全相等。 一、提出原假设