第五讲 连续变量的参数检验：方差分析PPT.ppt

第五讲 方差分析;本章内容;第一节 方差分析概述;例：方差分析：分析分类型自变量对数值型因变量的影响。;三、方差分析的适用条件;方差分析的类型 ;第二节 单因素方差分析;于是有： 提出原假设，H0： 备择假设， H1：至少有一个;单因素方差分析 ;将观测变量总的离差平方和分解为组间离差平方和和组内离差平方和两部分，分别表示为： 其中，SST为观测变量的总离差平方和；SSA为组间离差平方和，是由控制变量不同水平造成的观测变量的变差；SSE为组内平方和，是由抽样误差（随机变量）引起的观测变量的变差。 ;其中：;; 在观测变量总离差平方和中，如果组间离差平方和所占比例较大，则说明观测变量的变动主要是由于控制变量引起的，可以主要由控制变量来解释，即控制变量给观测变量带来了显著影响。 这里我们用F统计量来表示这种比例关系，如果控制变量的不同水平对观测变量造成了显著影响，那么观测变量总变差中控制变量所占的比例较大，则F值就比较大； 反之，如果控制变量的不同水平对观测变量没有造成显著影响，那么观测变量总变差中控制变量所占的比例较小，则F值就比较小。 ;二、单因素方差分析的基本步骤;;三、单因素方差分析的SPSS实现;在利用SPSS进行单因素方差分析时，应注意数据的组织形式。SPSS要求定义两个变量分别存放观测变量值和控制变量的水平值。 本例中：;X1：广告形式 X2：地区，18个地区 X3：销售额;1、选择菜单Analyze－Compare means－One-Way ANOVA，出现窗口;将观测变量选择到Dependent List框。 将控制变量选择到Factor框。控制变量有几个不同的取值表示控制变量有几个水平。 至此，SPSS便自动分解观测变量的方差，计算组间方差、组内方差、F统计量以及对应的概率p值，完成单因素方差分析的相关计算，并将结果显示到输出窗口中。;广告形式对销售额的单因素方差分析表;类似上面的步骤，可以进行地区对销售额的影响：;地区对销售额的单因素方差分析结果;1、方差齐性检验 由于方差分析的前提是各水平下的总体服从正态分布并且方差相等，因此有必要对方差齐性进行检验，即对控制变量不同水平下各观测变量不同总体方差是否相等进行分析。 SPSS单因素方差分析中，方差齐性检验采用了方差同质性（Homogeneity of Variance）的检验方法，其零假设是各水平下观测变量总体方差无显著性差异，实现思路同SPSS两独立样本t检验中的方差齐性检验。 ;2、多重比较检验 上面的基本分析可以判断控制变量是否对观测变量产生了显著影响。如果控制变量确实对观测变量产生了显著影响，进一步还应确定，控制变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显大于其它水平，哪些水平的作用是不显著的。例如已经确定不同施肥量会对农作物的产量产生显著影响，便希望进一步了解究竟是10公斤、20公斤还是30公斤施肥量最有利于提高产量，哪种施肥量对农作物产量没有显著影响。掌握了这些信息，我们就能够制定合理的施肥方案。 多重比较检验就是分别对每个水平下的观测变量均值进行逐对比较，判断两均值之间是否存在显著差异。其零假设是相应组的均值之间无显著差异。 ; SPSS提供的多重比较检验的方法比较多，有些方法适用在各总体方差相等的条件下，有些适用在方差不相等的条件下。 其中LSD方法适用于各总体方差相等的情况，特点是比较灵敏； Tukey方法和S-N-K方法适用于各水平下观测变量个数相等的情况； Scheffe方法比Tukey方法不灵敏。;3、其他检验 （1）先验对比检验 如果发现某些水平与另一些水平的均值差距显著，就可以进一步比较这两组总的均值是否存在显著差异。在检验中，SPSS根据用户确定的各均值的系数，再对其线性组合进行检验，来判断各相似性子集间均值的差异程度。 （2）趋势检验 当控制变量为定序变量时，趋势检验能够分析随着控制变量水平的变化，观测变量值变化的总体趋势是怎样的。 ;SPSS中单因素方差分析的进一步检验;（1）”对比“选项 Contrasts选项用来实现先验对比检验和趋势检验。 如果进行趋势检验，则应选择Polynomial选项，然后在后面的下拉框中选择趋势检验的方法。其中Linear表示线性趋势检验；Quadratic表示进行二次多项式检验；Cubic表示进行三次多项式检验，4th和5th表示进行四次和五次多项式检验。