.第四章 方差分析.pptVIP

第四章 方差分析 t检验法适用于样本平均数与总体平均数及两样本平均数间的差异显著性检验， 但在生产和科学研究中经常会遇到比较多个处理优劣的问题， 即需进行多个平均数间的差异显著性检验。这时，若仍采用t检验法就不适宜了。这是因为： 1、检验过程烦琐 例如，一试验包含5个处理，采用t检验法要进行 =10次两两平均数的差异显著性检验；若有k个处理，则要作 k(k-1)/2次类似的检验。 2、无统一的试验误差，误差估计的精确性和检验的灵敏性低 对同一试验的多个处理进行比较时，应该有一个统一的试验误差的估计值。若用 t 检验法作两两比较，由于每次比较需计算一个 ，故使得各次比较误差的估计不统一，同时没有充分利用资料所提供的信息而使误差估计的精确性降低，从而降低检验的灵敏性。 例如，试验有5个处理 ，每个处理 重复 6次，共有30个观测值。进行t检验时，每次只能利用两个处理共12个观测值估计试验误差 ，误差自由度为 2(6-1)=10 ；若利用整个试验的30个观测值估计试验误差 ，显然估计的精确性高，且误差自由度为5(6-1)=25。可见，在用t检法进行检验时 ，由 于估计误差的精确性低，误差自由度小，使检验的灵敏性降低，容易掩盖差异的显著性。 3、推断的可靠性低，检验的 I 型错误率大 即使利用资料所提供的全部信息估计了试验误差，若用t 检验法进行多个处理平均数间的差异显著性检验，由于没有考虑相互比较的两个平均数的秩次问题 ，因 而 会增大犯 I型错误的概率，降低推断的可靠性。 由于上述原因，多个平均数的差异显著性检验不宜用 t 检验，须采用方差分析法。 方差分析 (analysis of variance) 是由英国统计学家R.A.Fisher于1923年提出的。 这种方法是将k个处理的观测值作为一个整体看待，把观测值总变异的平方和及自由度分解为相应于不同变异来源的平方和及自由度，进而获得不同变异来源总体方差估计值；通过计算这些总体方差的估计值的适当比值，就能检验各样本所属总体平均数是否相等。 “ 方差分析法是一种在若干能相互比较的资料组中，把产生变异的原因加以区分开来的方法与技术” ，方差分析实质上是关于观测值变异原因的数量分析。 方差分析 4.1 方差分析的引论 4.2 单因素方差分析 4.3 方差分析中的多重比较 4.4 多因素方差分析 方差分析及其有关术语 什么是方差分析(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 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 什么是方差分析? (例题分析) 什么是方差分析? (例题分析) 分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响 作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等 若它们的均值相等，则意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；若均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异 为什么要使用方差分析 1、效率高：与前面介绍的假设检验相比，方差分析可以提高检验效率。 2、犯错误率低：同时考虑所有的样本，因此排除了错误累计的概率，从而避免拒绝了一个真实的原假设。 方差分析中的有关术语 因素或因子(factor) 所要检验的对象 要分析行业对投诉次数是否有影响，行业是要检验的因素或因子 水平或处理(treatment) 因子的不同表现 零售业、旅游业、航空公司、家电制造业就是因子的水平 观察值 在每个因素的水平下得到的样本数据 每个行业被投诉的次数就是观察值 方差分析中的有关术语 4、变量 分类型变量：即自变量，如上例中的行业。 数值型变量：即因变量，如上例中的被投诉次数 当研究分类型自变量对数值型因变量的影响时，所用的方法就是方差分析法，上例中也就是“行业”对“被投诉次数”的影响。 例题分析 方差分析的基本思想和原理 方差分析的基本思想和原理(图形分析) 方差分析的基本思想和原理(图形分析结果) 从散点图上可以看出 不同行业被投诉的次数是有明显差异的 同一个行业，不同企业被投诉的次数也明显不同 家电制造被投诉的次数较高，航空公司被投诉的次数较低 行业与被投诉次数之间有一定的关系 如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该