应用统计学(陶立新)第7章 方差分析.ppt

2002-6 第六章 相关与回归分析 第 七 章 第一节 1.1 方差分析概述 1.1 方差分析概述 例如，某家电公司准备购进一批灯泡，现有三家供应商愿意供货，为比较他们生产的灯泡质量好坏，从每个供应商中各随机抽取一部分灯泡，观察其使用寿命，比较不同供应商生产的灯泡质量之间有无显著差异。这个问题涉及到比较三个总体（三家供应商）的均值（平均使用寿命）之间是否有显著性差异，也就是供应商这个因素对灯泡质量有无影响。 1.1 方差分析概述 1.2 方差分析基本概念 什么是方差分析（analysis of variance，ANOVA） ？ 方差分析是通过检验各均值是否相等的方法，来判断并解决分类型自变量对数值型因变量是否有影响的问题。 方差分析可以涉及一个或多个分类型自变量，但是只能有一个数值型因变量。 方差分析有单因素方差分析和双因素方差分析。单因素方差分析是指只涉及到一个分类自变量；双因素方差分析指涉及到两个分类自变量。 1.2 方差分析基本概念 【例7-1】某企业为了研究不同包装对一种新产品销售量的影响，分别对这种产品进行了四种不同形式的包装，每种包装的产品价格和重量相同。随机抽取了5个地区进行调查，统计出四种不同包装的产品销售量数据如下表： 1.2 方差分析基本概念 （1） 要分析不同包装方法销售量之间是否有显著差异，实际上就是要判断“包装方法”对“销售量”是否有显著影响。 （2）做出这种判断，最终要归结为检验这四种包装方法的产品销售量均值是否相等。 （3） 如果它们的均值相等，就意味着“包装方法”对“销售量”没有影响，也就是四种不同包装的产品销售量之间没有显著差异；如果均值不全相等，则意味着“包装方法”对“销售量”是有影响的，四种不同包装方法的产品销售量之间有显著差异。 1.2 方差分析基本概念 2. 因素（factor） 在方差分析中，所要检验的对象称为因素或因子。 前例中，“包装方法”就是所要检验的对象，称之为因素或 因子。这里只及到“包装方法”一个因素，因此，称为单因素方 差分析。 3. 水平（treatment） 因素的不同表现称为水平或处理。 前例中，“方法1”、“方法2”、“方法3”、“方法4”是“包装方 法”这一因素的具体表现，称之为水平或处理。因素的每一个 水平可看作是一个总体，如方法1、方法2、方法3、方法4就可 以看作是4个总体。 4. 观测值 每个因子水平下得到的样本数据称为观测值。 前例中，不同包装下的销售量就是观测值。这些数据可以看 作是从不同方法下的总体中抽取出来的样本数据。 1.3 方差分析思想和原理 【例7-1】中，怎样判断包装方法对销售量是否产生影响呢？ 首先，可把四种包装方法看作四个总体。画出各总体样本观测值的散点图，如图7-1： 1.3 方差分析思想和原理 1. 从散点图上可以看出 不同包装方法下的产品销售量有明显差异； 同一种包装方法，不同地区的销售量也也明显； 包装方法3的销售量最高，包装方法1的销售量最低。 2. 包装方法与销售量之间有一定的关系 如果包装方法与销售量之间没有关系，那么它们的销售量应该差不多相同，在散点图上所呈现的模式也就应该很接近。 1.3 方差分析思想和原理 但是仅仅通过观察散点图是不能提供充分的证据，证明使用不同包装方法产品销售量之间有显著差异，还需要更为精准的方法来判断这种差异是否存在，也就是利用方差分析的方法来分析这种差异是否存在。 方差分析是通过分析数据误差的来源，以判断不同总体均值是否相等。下面就结合【例7-1】来说明数据误差的来源及其求解过程。 1.3 方差分析思想和原理 误差可以分为随机误差和系统误差： 1. 随机误差（组内误差） 因素的同一水平(总体)下，样本各观察值之间的差异。比如，同一种包装方法不同地区的销售量之间的差异。 这种差异可以看成是随机因素的影响，称为随机误差。 2.系统误差（组间误差） 因素的不同水平(不同总体)之间观察值的差异。比如，不同包装方法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，也可能是由于包装方法本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 1.3 方差分析思想和原理 数据误差的分解： 1. 总平方和（sum of square for total，记为 ）反映全部数据误差大小的平方和。 2. 组内平方和，也称误差平方和（sum of square for err