统计中的方差分析汇编.ppt

双因素方差分析  (例题分析) 不同品牌的彩电在各地区的销售量数据 品牌因素 地区因素 地区1 地区2 地区3 地区4 地区5 品牌1 品牌2 品牌3 品牌4 365 345 358 288 350 368 323 280 343 363 353 298 340 330 343 260 323 333 308 298 【例】有四个品牌的彩电在五个地区销售，为分析彩电的品牌(品牌因素)和销售地区(地区因素)对销售量是否有影响，对每个品牌在各地区的销售量取得以下数据。试分析品牌和销售地区对彩电的销售量是否有显著影响？(?=0.05) 数据结构 构造检验的统计量(计算水平的均值) 假定从第i个总体中抽取一个容量为ni的简单随机样本，第i个总体的样本均值为该样本的全部观察值总和除以观察值的个数 计算公式为 式中： ni为第 i 个总体的样本观察值个数 xij 为第 i 个总体的第 j 个观察值 构造检验的统计量(计算全部观察值的总均值) 全部观察值的总和除以观察值的总个数 计算公式为 构造检验的统计量(例题分析) 构造检验的统计量(计算总误差平方和 SST) 全部观察值 与总平均值 的离差平方和 反映全部观察值的离散状况 其计算公式为 前例的计算结果： SST = (57-47.869565)2+…+(58-47.869565)2 =115.9295 构造检验的统计量(计算水平项平方和 SSA) 各组平均值 与总平均值 的离差平方和 反映各总体的样本均值之间的差异程度，又称组间平方和 该平方和既包括随机误差，也包括系统误差 计算公式为 前例的计算结果：SSA = 1456.608696 构造检验的统计量(计算误差项平方和 SSE) 每个水平或组的各样本数据与其组平均值的离差平方和 反映每个样本各观察值的离散状况，又称组内平方和 该平方和反映的是随机误差的大小 计算公式为 前例的计算结果：SSE = 2708 构造检验的统计量(三个平方和的关系) ?总离差平方和(SST)、误差项离差平方和(SSE)、水平项离差平方和 (SSA) 之间的关系 SST = SSA + SSE 前例的计算结果： 4164.608696=1456.608696+2708 构造检验的统计量(三个平方和的作用) SST反映全部数据总的误差程度；SSE反映随机误差的大小；SSA反映随机误差和系统误差的大小 如果原假设成立，则表明没有系统误差，组间平方和SSA除以自由度后的均方与组内平方和SSE和除以自由度后的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)之间的差异不仅有随机误差，还有系统误差 判断因素的水平是否对其观察值有影响，实际上就是比较组间方差与组内方差之间差异的大小 构造检验的统计量(计算均方MS) 各误差平方和的大小与观察值的多少有关，为消除观察值多少对误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 计算方法是用误差平方和除以相应的自由度 三个平方和对应的自由度分别是 SST 的自由度为n-1，其中n为全部观察值的个数 SSA的自由度为k-1，其中k为因素水平(总体)的个数 SSE 的自由度为n-k 构造检验的统计量(计算均方 MS) 组间方差：SSA的均方，记为MSA，计算公式为 组内方差：SSE的均方，记为MSE，计算公式为 构造检验的统计量(计算检验统计量 F ) 将MSA和MSE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k-1、分母自由度为 n-k 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=MSA/MSE?1 a F 分布 F?(k-1,n-k) 0 拒绝H0 不拒绝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，作出对原假设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＝k-1、第二自由度df2=n-k 相应的临界值 F? 若FF? ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的因素对观察值有显著影响 若FF? ，则不拒绝原假设H0 ，不能认为所检验的因素对观察值有显著影响 单因素方差分析表(基本结构) 单因素方差分析(例题分析) 关系强度的测量 关系强度的测量 拒绝原假设表明因素(自变量)与观测值之间有关系 组间平方和(SSA)度量了自变量(行业)对因变量(投诉次数)的影响效应 只要组间平方和SSA不等于0，就表明两个变