统计学第五章研究.ppt

方差分析是在20世纪20年代由英国统计学家费舍尔在进行实验设计时为解释实验数据而首先引入的。方差分析是在有关因素中找出有显著影响的那些因素的一种方法。实际上，方差分析分析的并不是方差，而是研究数据间的变异，即通过分析数据的误差来源来判断各总体均值是否相等。 将要考察的指标称为试验指标 。影响试验指标的条件称为因素，一般用大写字母A,B,C等表示。如果一项试验中只有一个（两个）因素在改变我们就称为单（双）因素试验。因素的不同表现称为水平。 例1 采用四种不同产地的原料萘，按同样的工艺条件合成b-萘酚，测定所得产品的熔点如下表所示，问原料萘的产地是否显著影响产品的熔点？ 设因素A有t 个水平(总体)，在第i个水平下进行了ni次相互独立的试验(抽样)，结果如下： 方差分析的基本思想 若被考察的因素对试验结果没有显著的影响，即所讨论的各正态总体的均值相等，则试验数据的波动完全由随机误差引起；如果各正态总体均值不全相等，则表明试验数据的波动除了随机误差的影响外，还包含被考察因素效应的影响。为此，需要构造一个适当的统计量，来描述数据的波动程度。将这个统计量分解为两部分，一部分是纯随机误差造成的影响，另一部分是除随机误差的影响外来自于因素效应的影响。然后将这两部分进行比较，如果后者明显比前者大，就说明因素的效应是显著的。 方差分析的基本任务 假设每个总体都服从正态总体，且各总体的均值和方差未知，但方差相同。在水平Ai下进行了ni次相互独立的试验。 方差分析的基本任务是检验： （1） （2） 参数 的检验 构造方差分析中的检验统计量 水平Ai下的样本均值 总平均 总平方和 总平方和反映了全部数据的波动程度 组内平方和 又称误差平方和，反映了随机误差所造成的数据变异 组间平方和 又称为效应平方和，它包含了因素A在各水平下的不同作用在数据中引起的波动 三个平方和的关系和作用 三者关系： 如果原假设成立，则表明因素效应的影响不显著，组间平方和除以自由度后的组间均方 与最内平方和除以自由度后的组内均方 差异就不会太大；如果组间均方 显著地大于组内均方 ，说明各水平(总体)之间的差异不仅是随机误差造成的影响，还有来自于因素效应的影响。 单因素试验方差分析表 由此得到检验问题的拒绝域的形式： 该检验法的直观意义是：当组间差异相对于组内差异较大时就拒绝原假设 。 在计算时，我们只要算出F值，然后与F分布的临界值比较即可；也可运用Excel计算分析。 例1 解: 经过计算得到下列方差分析表 由上表可知，接受原假设，即原料萘的产地对萘酚熔点无显著影响 。 用Excel进行单因素方差分析 第1步：选择“工具 ”下拉菜单 第2步：选择“数据分析 ”选项 第3步：在分析工具中选择“单因素方差分析 ” ，然 后选择“确定 ” 第4步：当对话框出现时 在“输入区域 ”方框内键入数据单元格区域 在?方框内键入0.05（可根据需要确定） 在“输出选项 ”中选择输出区域 选择“确定 ” 用Excel进行单因素方差分析 方差分析中的多重比较 若通过方差分析的检验结果拒绝原假设，则希望确切找出因素A在哪些水平下存在差异。而通过对总体均值之间的配对比较可以进一步检验到底哪些均值之间存在差异。 方差分析中的多重比较(步骤) 提出假设 H0: mi = mj (第i个总体的均值等于第j个总体的均值) H1: mi ? mj (第i个总体的均值不等于第j个总体的均值) 计算检验的统计量: 决策：若 ，拒绝H0。 第二节 双因素试验的方差分析 在实际中，影响一事物的因素有两个或更多。下面我们讨论双因素的方差分析问题，即分析两个因素(行因素和列因素)对试验结果的影响。 如果两个因素对试验结果的影响是相互独立的，分别判断行因素和列因素对试验数据的影响，这时的双因素方差分析称为无交互作用的双因素方差分析 或无重复双因素方差分析。 如果除了行因素和列因素对试验数据的单独影响外，两个因素的搭配还会对结果产生一种新的影响，这时的双因素方差分析称为有交互作用的双因素方差分析 或可重复双因素方差分析。 第二节 双因素试验的方差分析 一、双因素无重复试验的方差分析