2016数据分析方法07-方差分析.pptxVIP

第六章 SPSS的方差分析;;SPSS的方差分析; ;方差分析的一个例子;例子的进一步分析;1、控制因素和随机因素 在所有的影响因素中可以分为两类： 一类是人为可以控制的因素，称为控制因素或控制变量，如种子品种的选定，施肥量的多少； 另一类因素是认为很难控制的因素，称为随机因素或随机变量，如气候和地域等影响因素。在多数情况下随机因素指的是实验过程中的抽样误差。;方差分析的几个基本概念;方差分析中的基本假定; 方差分析认为，如果控制变量的不同水平 对观测变量产生了显著影响，那么它和随机 变量共同作用必然使得观测变量值显著变动 ；反之，如果控制变量的不同水平没有对观 测变量产生显著影响，那么观测变量值的变 动就不明显，其变动可以归结为随机变量影 响造成的。 ; 根据控制变量的个数可将方差分析分为单 因素方差分析、多因素方差分析；根据观测 变量的个数可将方差分析分为一元方差分析 （单因变量方差分析）和多元方差分析（多 因变量方差分析）。 ;6.2 单因素方差分析;6.2.1 基本思想;2、观测变量方差的分解;其中：;各离差平方和的计算-例题; 在观测变量总离差平方和中，如果组间离差平方和所占比例较大，则说明观测变量的变动主要是由于控制变量引起的，可以主要由控制变量来解释，即控制变量给观测变量带来了显著影响。 ;这里我们用F统计量来表示这种比例关系，如果控制变量的不同水平对观测变量造成了显著影响，那么观测变量总变差中控制变量所占的比例较大，则F值就比较大；反之，如果控制变量的不同水平对观测变量没有造成显著影响，那么观测变量总变差中控制变量所占的比例较小，则F值就比较小。;单因素方差分析表(基本结构);F分布与拒绝域;提出原假设：控制变量不同水平下观测变量各总体的均值无显著差异 选择检验统计量 计算检验统计量和p值 给定显著性水平α与p值做比较：如果p α，则拒绝原假设，反之就不能拒绝原假设。 ;在利用SPSS进行单因素方差分析时，应注意数据的组 织形式。SPSS要求定义两个变量分别存放观测变量值 和控制变量的水平值。基本操作步骤??下： 1、选择菜单Analyze?Compare means?One-Way ANOVA，出现窗口;2、将观测变量选择到因变量列表Dependent List框。 3、将控制变量选择到因子Factor框。控制变量有几个不同的取值表示其有几个水平。 至此，SPSS便自动分解观测变量的方差 ，计算组间方差、组内方差、F统计量以及对 应的概率p值，完成单因素方差分析的相关计 算，并将结果显示到输出窗口中。; 某企业在制订某商品的广告策略时，对不 同广告形式在不同地区的广告效果（销售 额）进行了评估。这里以商品销售额为观 测变量，广告形式和地区为控制变量，通 过单因素方差分析方法分别对广告形式、 地区对销售额的影响进行方差分析。;操作;输出结果;6.3 多因素方差分析;多因素方差分析的基本假定;6.3.1 基本思想;2、观测变量方差的分解;其中：;离差平方和的分解-例题;3、比较观测变量总离差平方和各部分的比例;因素A有k个水平, 因素B有r个水平, s为每个交叉水平下的样本数或试验次数;6.3.2 基本步骤;6.3.3 基本操作;数据格式;2、把观测变量指定到因变量Dependent Variable框中。 3、把固定效应的控制变量指定到固定因子Fixed Factor(s)框中。 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，并将结果显示到输出窗口中。;6.3.4 应用举例;饱和模型;输出结果;对给定的显著性水平α，(总样本数为k*r*l，考虑交互作用须l1) SSE的自由度为k*r*(l-1) ;非饱和模型;无交互作用的输出结果;6.4 方差分析中的其它问题;方差分析中的控制变量都是定性变量（包括定类和定序变量），线性回归分析中的解释变量（自变量）都是定量变量。而协方差分析中的控制变量是定性变量，而协变量一般是定量变量。所以说协方差分析是一种介于方差分析和线性回归分析之间的分析方法。; 在实际问题中，有些控制变量很难人为控制(把它作为协变量)，但他们的不同水平确实对观测变量产生较为显著的影响。 1、选择菜单Analyze ? General Linear Model ? Univariate。 2、把观测变量指定到 Dependent Variable框中。 3、把协变量指定到 协变量Covariate(s)框中。;应用举例;方差分析（生猪与饲料）.sav;协方差分析结果;多元方差分析;重复测量设计的方差分析;方差成分分析和正交实验设计;对于这些内容的SPSS应用，可阅读