第九章 方差分析和回归分析.doc

第九章 方差分析和回归分析 内 容 提 要 1、方差分析 （1）基本概念 方差分析：通过随机抽样及数据处理，检验试验结果是否受试验条件这一类可控制因素显著影响，从而确认对质量指标影响主要来自哪一类因素，即用来鉴别所谓因素效应的有效统计分析方法. 因素（因子）：人为可以控制的实验条件称为因素或因子. 水平：因素或因子的不同等级或因素所处的不同状态称为因素的不同水平. 单因素试验：试验中如果只有一个因素或因子在变化，其它可控条件保持不变，这样的方差试验称为单因素试验. 多因素试验：试验中不止一个因素或因子在变化，称为多因素试验.若只有二个因素在变化就叫双因素试验. （2）单因素试验的方差分析 设因素有j个不同水平（），在总的个水平下均重复试验i次().每一个水平视为一个独立总体，每个水平下总的m次试验结果视为取自的容量为m的样本.单因素方差分析的一般方法步骤如下： 1）提出待检假设H0：； 2）列方差计算表9-1，计算、； 3）选取建立F统计量 ，并计算F统计量的值； 4）对给定的检验水平，查F分布表，找到F统计量的临界值（表值）； 5）比较得出结论： 若计算值临界值，拒绝H0，即因素水平影响显著，或有显著影响； ② 若计算值临界值，接受H0，即因素水平影响不显著或没有显著影响. 单因素方差分析见表9-2. 表9-1 水平 试验序号 … … 1 x11 x12 … x1j … x1r 2 x12 x22 … x2j … X2r … … … … … … … 　　i xi1 xi2 … xij … xir … … … … … … … m xm1 xm2 … xmj … xmr … … … … … … 2、回归分析 （1）基本概念 回归分析：利用样本数据建立起相关变量之间相关关系的数学模型，并应用统计推断的一般法则，对相关关系进行有效的统计分析方法. 一元线性回归模型为 ， 其中，a、b称为回归系数. （2）最小二乘法 表9-2 方差 来源 离差平方和 方差 自由度 F统计量计算值 F临界值 （表值） 组间 组内 总变 差 或 线性回归方程可表示为 ，可用最小二乘法求得回归系数的估计值： 或 令 则 （3）线性相关显著性检验 检验回归方程是否有效，或x、y之间线性相关关系是否显著，只要检验回归系数是否成立.这个问题只存在下面两种可能 1）表示与x无关 即y与x没有线性相关关系，反过来，若不能否定1），就表示线性相关显著； 2）有二种可能，都表示y与x之间线性相关关系成立. 运用检验法进行线性相关显著性检验.检验法检验线性相关显著性或回归方程有效性的一般步骤为： 1）提出检验假设：：； 2）选用统计量，并计算值； 3）在给定下，查相关系数表得到临界值； 4）比较得出结论： ① 若，拒绝，所求回归方程有效或线性相关显著； ② 若，接受，所求回归方程无效或线性相关不显著. 在实际应用中，经常出现的情况，这时不用查表即可判断线性相关显著，即回归方程有效. 疑 难 分 析 1、往往既受因素的影响，又受随机误差的影响.而因素又分为属性的和数量的.属性的因素一般无数量大小可言，只是性质的不同，如：种子的品种、机器的型号、加工的工艺、材料的品质等等.数量的因素，可以在一定范围内取值，如：人的身高、体重，试验的温度，产品的合格率等等.当所考虑的因素是属性时，问题属于方差分析的范围；当所考虑的因素是数量时，问题属于回归分析的范围. 例 题 解 析 【例1】、、、共4个酒厂.公司总经理为提高酒的质量，开展质量评优活动，随机地从4个酒厂各抽取3瓶样酒，指定同一名品酒员按事先规定的色、香、味质量标准评分，评分结果的原始数据如表9-3所示. 表9-3 厂别 试验序号 1 5 8 7 11 2 6 9 8 10 3 6 8 6 12 试问：不同酒厂对酒的质量有无显著影响（）？ 解：（1）提出待检假设H0：； （2）列方差计算表，如表9-4所示. 利用表中最后一列，即（）列的数据计算 表9-4 水平 试验序号 1 5 8 7 11 2 6 9 8 10