方差分析详细版本.ppt

例8.5 有四种小学语文实验教材,分别代号为A、B、C、D。为比较其教学效果，按随机区组实验(设计)原则,将小学分为城镇重点小学、城镇一般小学和乡村小学三个区组，分别代号为I、II、III，并分别在每个区组中随机地抽取4所小学，它们分别被随机地指派实验一种教材。经一年教学后通过统一考试得到各校的平均成绩如下表。问四种教材的教学效果是否一致？ 解：本例为随机区组设计，k=4,a=3,四种处理，三个区组。 四种教材的随机区组设计方差分析 由以上检验可知,四种教材中至少有两种教材的效果存在显著差异;不同区组之间差异不显著。 例8.6 交通管制员工作压力研究。有三种方案(A、B、C)能减轻管制员的压力，问这三种方案的效果有无显著效果？ 空中交通管制员压力测试的随机区组设计 实验中不同管制员之间的差异是很大的，每个管制员作为一个区组。组内方差＝随机误差＋管制员个人差异导致的误差。需要将个人差异从误差项中分离出来，以提高F检验的效率。 解： 空中交通管制员测试的ANOVA表 方差来源 平方和 自由度 均方 F值 F0.05 处理 21 2 10.5 5.53 4.1 区组 30 5 6.0 3.16 3.33 误差 19 10 1.9 总计 70 17 结论：这三种工作方案在对空中交通管制员平均压力效果方面有差异。 8.2.3 方差分析中的多重比较(各平均数之间的比较) 方差分析的主要目的是通过F检验讨论组间变异在总变异中的作用,借以对两组以上的平均数进行差异显著性检验, 得到的是一个整体的结果。 如果F检验不显著，说明实验中的自变量（因素）对因变量没有显著影响，检验就此结束。 如果F检验的结果显著，此时，往往不能结束。它表明多组平均数两两比较中至少有一对平均数间的差异达到了显著水平，至于哪一对并没有回答。需要专门的分析技术，即方差分析中的多重比较。 我们自然可以想到，是否可以用t检验对各组平均数两两成对地进行比较来寻找哪些有显著差异的平均数对呢？答案是否定的。 * * 第八章 方差分析 方差分析(Analysis of Variance)简称ANOVA,又叫变异数分析,能够解决多个总体均值是否相等的检验问题,其主要功能在于分析实验数据中不同来源的变异对总体变异的贡献大小,从而确定实验中的自变量是否对因变量有重要影响. Z检验、ｔ检验是比较两个平均值差异的统计方法。然而,在大多数的实验中,包含两种以上实验处理,需要同时比较两个以上的样本平均数,这时需要用方差分析。可以把方差分析看成是ｔ检验的扩展。 8.1 方差分析的原理及其基本过程 8.2 单因素方差分析 8.3 多因素方差分析 8.1 方差分析的原理及其基本过程 8.1.1 基本原理 例8.1 某饮料生产企业研制出一种新型饮料。饮料的颜色共分四种：橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售的因素全部相同。现从地理位置相似、经营规模相仿的五家超级市场上收集了前一期该种饮料的销售情况，见下表： 问饮料的颜色是否对销售量产生影响。 该饮料在五家超市的销售情况 别的因素已作适当的控制，各超市销售量的差异可能是抽样的随机性造成的，也可能是由于人们对不同颜色有所偏爱造成的。所以上述问题归结为一个检验问题。即检验饮料颜色对销售量是否有影响。 零假设H0：?1＝?2＝?3=?4 备择假设H1:?1、?2、 ?3 、?4中至少有两个不相等 因素：自变量、独立的变量，方差分析研究的对象。 如本例中颜色是因素。 因素的水平：一个因素的不同情况或取值。 如：饮料中四中不同的颜色（无色、粉色、绿色、橘黄色） 因变量：自变量影响的结果。如：销售量 单因素方差分析：只有一个因素，一个因变量 多因素方差分析：有多个因素，一个因变量 对变异的分解，即平方和分解。 例8.2 下表是A、B、C三种实验处理的数据，其中ｋ表示有三种实验处理；ｎ＝5表示每种实验处理中有5个实验数据；Xj表示某一种实验处理的平均数;Xt表示总平均数。 如果F?1, 说明数据的总变异中大部分是由实验误差或个体差异造成的,不同的实验处理A、B、C之间差异