统计推断与方差分析.pptVIP

* * 第 13章 统计推断与方差分析 第一节 假设检验的原理 第二节 参数检验 第三节 非参数检验 第四节 方差分析 * 开篇案例：方差分析 在相关分析和回归分析中，往往要求自变量和因变量均为连续变量，而对于因变量为连续变量、自变量为分类变量的情况，一般要使用方差分析的方法。 方差分析在SPSS统计软件里可以实现，包括一元方差分析（Analysis of Variance，ANOVA）、协方差分析（Analysis of Covariance，ANCOVA）和多元方差分析（Multivariate Analysis of Variance，MANOVA） * 开篇案例：方差分析 一元方差分析是为了简化多个T检验而建立的综合性更强的分析方法。在统计分析中，如果我们要比较两组样本的平均值是否有显著性差异，比如说比较男性和女性的用户满意度是否有显著性的差异，一般可以采用T检验的方法。 但在涉及到多组分类数据的时候，比如对某品牌的调查中，高收入、低收入和中等收入的被调查者的用户满意度是否有显著性差异，如果要用T检验，就必须对高收入和低收入、低收入和中等收入、中等收入和高收入被调查者进行两两比较，显得十分繁琐。因此，我们常用综合性更强的方差分析来取代。 * 开篇案例：方差分析 方差分析将提出问题的方式进行了变化，即是否至少有一组数据的平均值与其它组的平均值有显著性差异。 方差分析的思路是将所有样本的总变动分成两个部分，一部分是组内变动（within groups），代表本组内各样本与该组平均值的离散程度；另一部分是组间变动（between groups），代表各组平均值关于总平均值的离散程度。将这两个变动部分除以它们所对应的自由度，即得到均方差。然后，用组间变动的均方差除以组内变动的均方差，即可得到F检验值，根据统计值对应的显著性水平就可以判断不同组间是否有显著性的差异。事实上，如果不同组间的差异越大，组内的离散程度越小，那么组间变动的均方差越大，组内变动的均方差越小，即F值越大，越容易通过显著性水平检验。 * 第一节 假设检验的概念 研究假设 假设检验 假设检验的步骤 一、研究假设 假设检验是指对总体提出某项假设，然后用样本值来检验所提出的假设是否正确，从而做出接受或者拒绝的决策。假设是研究者对某种现象“可能是这样吧”之类的推测。 假设必须建立的合理的经验、根据或者观察的基础之上，毫无根据的假设没有意义。 例如：某公司欲在某电视台做广告，以提供高其知名度，进而增加其市场份额。现假设：投放大1000万元的广告，可提高18%的知名度和扩大6%的市场份额。 * 假设的设定方法 非方向性假设销售能力和营销经历有关需求随着价格变动 方向性假设销售经历越多，销售能力越强价格降低，需求增大 二、假设检验 1、原假设(零假设,H0)和备择假设(替代假设,H1) 备择假设(替代假设,H1):希望通过检验被接受的假设 原假设(零假设,H0):针对备择假设设立的对立假设，检验的对象。 H0：一瓶矿泉水的平均容量=500mlH1：一瓶矿泉水的平均容量500ml 2、第1类错误和第2类错误 假设检验过程中，用样本的特征来推断总体的特征。因此，假设检验的结果，都是推断的结果，有产生错误的可能。假设检验中发生的错误有第1类错误和第2类错误。 第1类错误(弃真)：原假设正确，被拒绝 第2类错误(取伪)：原假设错误，未拒绝 3、显著水平(P值和α) 显著水平指原假被错误拒绝的概率。第1类错误产生的概率。 P值取值范围是0-1。如：P=0.7时，拒绝原假设的话，原假设被错误拒绝的概率是0.7；P=0.3时，拒绝原假设的话，原假设被错误拒绝的概率是0.3。研究者希望拒绝原假设，使自己的主张得到支持，一般希望获得较小的P值。 α是许容显著水平。 三、假设检验的步骤 根据实际情况提出原假设和备择假设 根据假设的特征，选择合适的检验统计量 根据样本观察值，计算检验统计量的观察值(obs) 选择许容显著性水平，并根据相应的统计量的统计分布表查出相应的临界值(ctrit) 根据检验统计量观察值的位置决定原假设取舍 * 第二节 参数检验 参数检验是在已知总体分布的条件下对一些主要的参数（均值，百分数，方差等）进行的检验。检验时一般都假设总体服从正态分布。 参数检验包括对平均值的检验和对百分数的检验。 一、对平均值的检验 对平均值的检验是根据样本均值及标准差来判断总体均值的一种方法。 通常采用Z检验法和t检验法。 Z检验法适用于总体方差已知的平均值检验 t检验法适用于总体方差未知以及在小样本情况下的平均值检验 * 一、对平均值的检验 单个正态总体的平均值检验 总体服从正态分布，标准差已知，使用Z检验，检验统计量为 总体服从正态分布，