费雪最低显着差异leastsignificantdifference简称lsd.pptVIP

第 13 章 變異數分析與實驗設計 Part A (13.1~13.3) 統計實例 柏克行銷服務公司是其產業中最有經驗的行銷研究公司之一。 在某次研究中，柏克接受一家公司的委託，對兒童穀片粥可能之新口味進行評估。 我們使用變異數分析的統計方法對味道測試所得的資料進行研究。 柏克公司採用的實驗設計及後續的變異數分析將有助於做出產品設計建議。本章中，我們將介紹如何使用這些程序。 變異數分析與實驗設計Part A (13.1~13.3) 13.1　變異數分析介紹 變異數分析介紹 變異數分析介紹 變異數分析介紹 變異數分析的假設 變異數分析介紹(實例) 國家電腦產品公司(NCP)係生產印表機與傳真機的公司，它在亞特蘭大、達拉斯、西雅圖三地均設有工廠。為瞭解到底有多少員工知道全面品管的概念，我們從每間工廠各隨機選取6名員工參加品質認知測驗。18名員工的測驗成績及各個工廠的樣本平均數、樣本變異數及樣本標準差均列於表13.1。 管理者要使用這些資料進行三間工廠平均測驗成績是否一致的假設檢定。 變異數分析介紹(實例) 我們定義亞特蘭大廠所有員工為母體1，達拉斯廠所有員工為母體2，西雅圖廠所有員工為母體3。令 μ1＝ 母體1平均測驗成績 μ2＝ 母體2平均測驗成績 μ3＝ 母體3平均測驗成績 使用這些樣本資料的結果進行下列假設檢定 H0: ?1?=??2?=??3?=?. . . = ?k Ha: 所有母體平均測驗成績不全相等 變異數分析的統計程序可以用來決定三個樣本的平均數的差是否大到足以拒絕H0。 變異數分析介紹(實例) 工廠地點及品質認知測驗的成績為兩個變數。由於我們的目的是要知道三間工廠的平均測驗成績是否相同，我們稱測驗成績為應變數(dependent variable)或 反應變數(response variable)，而工廠地點為自變數(independent variable)或因素(factor)。通常，因素的值亦稱為因素的等級或是處理(treatments)。 亞特蘭大、達拉斯、西雅圖即為三個處理，我們定義它們是研究中的三個母體。在每一個處理或母體中，反應變數即為測驗的成績。 變異數分析介紹(實例) 變異數分析介紹(實例) 由於三組樣本的大小相等，由其平均數計算而得的平均數將為 之抽樣分配的平均數之最佳估計值。即(79＋74＋66)/3＝73，我們稱此估計值為 總樣本平均數(overall sample mean)。 為估計 　之抽樣分配的變異數　，我們計算三個樣本平均數的變異數如下。由於 　　　　　，可得因此 變異數分析介紹(實例) ＝258稱為 σ2之 處理間估計值(between-treatments estimate)。 σ2之處理間估計值乃在虛無假設為真時之前提下得到的。在此情形下，所有樣本均來自同一個母體，且只存在一個 之抽樣分配。為瞭解H0為偽之情況，接下來我們假設三個母體平均數都不相等。既然三個樣本來自平均數不相等之常態母體，故應存在三個抽樣分配。 變異數分析介紹 每一組樣本之樣本內差異亦將影響變異數分析之結論。當由每個母體中抽取一組隨機樣本時，每一組樣本的變異數均應為共同變異數σ2的不偏估計值。因此，我們將結合共同變異數σ2的每個個別估計值，成為一個總樣本估計值。以此方式獲得的母體變異數σ2的估計值稱為σ2之混合或 處理內估計值(pooled or within-treatments estimate)。 由於 σ2之處理內估計值乃每組樣本組內變異所計算而得之樣本變異數，故不受母體平均數是否相等之影響。當樣本大小相等時， σ2之處理內估計值可由計算各個樣本變異數之平均數而得。 變異數分析介紹(實例) 在NCP公司的例子中，我們可得 σ2的處理間估計值(258)遠大於處理內估計值(28.67)，事實上，這兩個估計值之比為258/28.67＝9。 變異數分析介紹 只有當虛無假設為真時，處理間估計值方為 σ2的一個好的估計值；若虛無假設為偽，處理內估計值將高估 σ2 。但處理內估計值則不論在何種情況下，均為共同母體變異數 σ2的良好估計值。因此，若虛無假設為真，此兩個估計值應極為接近，它們的比也應接近1；如果虛無假設為偽，處理間估計值應大於處理內估計值，且它們的比應該較大。 變異數分析介紹 ANOVA背後的邏輯乃基於共同母體變異數 σ2的兩種獨立估計方式發展而成。一種 σ2 的估計方式係基於各種樣本平均數間之差異計算而得，另一種方式則由每組樣本的組內變異數計算而得。藉由比較上述兩個 σ2 的估計值，我們將可決定母體平均數是否相等。 13.2 變異數分析：檢定k個母體平均數是否相等 變異數分析：檢定k個母體平均數是否相等 變異數分析可以用來檢定k