第7章 方差分析稿.pptVIP

第 7 章 方差分析 7.1 方差分析概述 7.2 单因素方差分析 7.3 无交互作用的双因素方 差分析 学习目标 解释方差分析的概念 解释方差分析的基本思想和原理 掌握单因素方差分析的方法及应用 理解多重比较的意义 掌握无交互作用的双因素方差分析方法及应用 什么是方差分析? (例题分析) 什么是方差分析? (例题分析) 销售业绩在不同培训方案中存在着差异，有的销售量量高，有的销售量低； 各种培训方案下的平均销售量存在差异，也说明不同培训方案的效果不一致； 在同一培训方案下的销售人员的销售量也有差异，显然这个差异不是由培训方案引起的； 由于有(3)的结论，自然就会对(2)的结论产生怀疑：不同培训方案下平均销售量的差异，究竟是培训方案带来的，还是其它因素造成的 ? 7.1 方差分析概述 一、方差分析及其有关术语 （一）方差分析概述(ANOVA) (analysis of variance) 检验多个总体均值是否相等 通过分析数据的误差判断各总体均值是否相等 研究分类型自变量对数值型因变量的影响 一个或多个分类型自变量 两个或多个 (k 个) 处理水平或分类 一个数值型因变量 有单因素方差分析和双因素方差分析 单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量 7.1 方差分析概述 （二）方差分析的有关术语 因素或因子(factor) 所要检验的对象 如：要分析培训方案对销售量是否有影响，培训方案是要检验的因素或因子 水平或处理(treatment) 因子的不同表现 如：A、B、C课程就是因子的水平 观察值 在每个因素水平下得到的样本数据 如：每个课程下的销售量就是观察值 7.1 方差分析概述 4. 试验 这里只涉及一个因素，因此称为单因素三水平的试验 5. 总体 因素的每一个水平可以看作是一个总体 比如培训方案A、B、C可以看作是三个总体 6. 样本数据 如：每个销售人员的销售量可以看作是从这三个总体中抽取的样本数据 7.1 方差分析概述 二、方差分析的基本思想和原理 （一）方差分析的重要性 仅从样本数据上观察还不能提供充分的证据证明不同培训方案的销售量之间有显著差异 这种差异也可能是由于抽样的随机性所造成的 需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析 所以叫方差分析，因为虽然我们感兴趣的是均值，但在判断均值之间是否有差异时则需要借助于方差 这个名字也表示：它是通过对数据误差来源的分析判断不同总体的均值是否相等。因此，进行方差分析时，需要考察数据误差的来源 7.1 方差分析概述 （二）方差分析的基本思想和原理 比较两类误差，以检验均值是否相等 比较的基础是方差比 如果系统(处理)误差明显地不同于随机误差，则均值就是不相等的；反之，均值就是相等的 误差是由各部分的误差占总误差的比例来测度的 7.1 方差分析概述 （三）方差分析的两类误差 随机误差 因素的同一水平(总体)下，样本各观察值之间的差异 比如，同一方案下不同人员的销售量是不同的 这种差异可以看成是随机因素的影响，称为随机误差 系统误差 因素的不同水平(不同总体)下，各观察值之间的差异 比如，不同方案之间的销售量之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能是由于培训方案本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 7.1 方差分析概述 （四）误差的表示 数据的误差用平方和(sum of squares)表示，称为方差 组内方差(within groups) 因素的同一水平(同一个总体)下样本数据的方差 比如，课程A的销售量的方差 组内方差只包含随机误差 组间方差(between groups) 因素的不同水平(不同总体)下各样本之间的方差 比如，三门不同的培训课程下销售量之间的方差 组间方差既包括随机误差，也包括系统误差 7.1 方差分析概述 （五）方差的比较 若不同培训课程对销售量没有影响，则组间误差中只包含随机误差，没有系统误差。这时，组间误差与组内误差经过平均后的数值就应该很接近，它们的比值就会接近1 若不同培训课程对销售量有影响，在组间误差中除了包含随机误差外，还会包含有系统误差，这时组间误差平均后的数值就会大于组内误差平均后的数值，它们之间的比值就会大于1 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异，也就是自变量对因变量有影响 判断培训方案对销售量是否有显著影响，实际上也就是检验被销售量的差异主要是由于什么原因所引起的。如果这种差异主要是系统误差，说明不同培训课程对销售量有显著影响 7.1 方差分析概述 三、方差分析的基本假定 每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本