构造检验的统计量(计算方差).PPT

构造检验的统计量(三个离差平方和的作用) TSS反映了全部数据总的误差程度； RSS反映了随机误差的大小； BSS反映了随机误差和系统误差的大小 构造检验的统计量(计算方差) 各离差平方和的大小与观察值的多少有关，为了消除观察值多少对离差平方和大小的影响，需要将其平均，这就是均方，也称为方差 计算方法是用离差平方和除以相应的自由度 三个平方和的自由度分别是 TSS 的自由度为n-1，其中n为全部观察值的个数 RSS的自由度为n-m，其中m为定类变量分类的类别数 BSS 的自由度为m-1 三个方差 总方差： 总离差平方和 TSS除以自由度后的值， 组内方差：组内离差平方和RSS除以自由度后的值， 组间方差：组间离差平方和BSS除以自由度后的值 构造检验的统计量(三个方差的作用) 如果原假设成立，即m1 = m2 =…= mk为真，则表明没有系统误差，组间方差与组内方差差异就不会太大；如果组间方差显著地大于组内方差，说明各水平(总体)之间的差异不仅有随机误差，还有系统误差 判断自变量的不同取值是否对因变量有影响，实际上就是比较组间方差与组内方差之间差异的大小 为检验这种差异，需要构造一个用于检验的统计量 构造检验的统计量(计算检验的统计量 F ) 将组间方差和组内方差进行对比，即得到所需要的检验统计量F 当H0为真时，二者的比值服从分子自由度为m-1、分母自由度为 n-m 的 F 分布，即 构造检验的统计量(F分布与拒绝域) 如果均值相等，F?1 a F 分布 F?(m-1,n-m) 0 拒绝H0 不能拒绝H0 F 统计决策 ? 将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出接受或拒绝原假设H0的决策 根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝m-1、第二自由度df2=n-m 相应临界值 F?(m-1,n-m) 若FF?(m-1,n-m) ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的自变量对因变量有显著影响 若F?F? (m-1,n-m) ，则不能拒绝原假设H0 ，表明所检验的自变量对因变量没有显著影响 一元方差分析表 方差来源 平方和SS 自由度 df 方差 SS F 值 组间 组内 总和 BSS RSS TSS m-1 n-m n-1 BSS/m-1 RSS/n-m 一元方差分析的相关比率 一元方差分析只告诉我们两个变量之间相关， 但是，两个变量之间相关程度到底有多大呢？ 用相关比率eta2来表示 相关比率与相关系数的异同 二者都表示两个变量之间相关程度， 区别： 相关系数r研究的是 定距-定距 变量间的线性相关程度； 要求，不仅是定距变量，而且是线性相关。 如果这两个要求有一个不能满足， 就用相关比率eta2表示 第十一章 方差分析 （定类变量－定距变量） /u51/v_Njc2NTU1ODQ.html众星激情朗诵《黑厂商们滚蛋吧》 第一节 什么是方差分析？ 什么是方差分析？ 定类－定距变量的研究，采用方差分析： 从内容来说，方差分析是分析或检验多个总体间的均值是否有所不同； 从检验所用的方法来说，方差分析则是通过方差来进行检验的。 什么是方差分析? 1. 检验多个总体均值是否相等 通过对各观察数据误差来源的分析来判断多个总体均值是否相等 2. 变量 自变量：一个定类变量 --一元方差分析 二个定类变量 –二元方差分析 多个定类变量 --多元方差分析 多个定类变量(其中有至少一个定距变量) --协方差分析 因变量：一个定距变量 什么是方差分析?（一个例子） 管理人员 工人 技术员 3，5，0，5，4，4，2，3，1，3，2，3，3，2，4，2，6，1 1，3，4，4，6，2，3，4，3，5，2，4 6，4，2，2，3，0，5，3，1，2，1 【例】以下是某企业职工家庭赡养人数的抽样调查数据。职工类型共分为三种，分别为管理人员、工人、技术员。试分析职业是否对家庭赡养人数有影响。 什么是方差分析? （例子的分析） 检验职业是否对家庭赡养人数有影响，也就是检验三类不同职业的平均家庭赡养人数是否相同 设?1为管理人员的平均家庭赡养人数，?2为工人的平均家庭赡养人数，?3为技术员的平均家庭赡养人数，也就是检验下面的假设 H0: ?1 ? ?2 ? ?3 H1: ?1 , ?2 , ?3 不全相等 检验上述假设所采用的方法就是方差分析 方差分析的基本思想和原理 1. 比较两类误差，以检验均值是否相等 2. 比较的基础是方差比 3. 如果系统误差显著地不同于随机误差，则均值就是不相等的；反之，均值就是相等的 4. 误差是由各部分的误差