[经济学]方差分析.ppt

基本思想 与一般的方差分析相同，只是在分析时考虑了协变量的影响，认为指标的变动受到四个方面的影响，即因子的独立作用、因子的交互作用、随机误差的作用和协变量的作用。 检验统计量也是F统计量 * * * * * * * * * * * * * * * * * * * * 0个 1个 2个 3个以上 商业区 410 380 590 470 305 310 480 415 450 390 510 390 居民区 265 290 445 430 310 350 480 428 220 300 500 530 写字楼 180 220 290 246 290 170 283 275 330 256 260 320 什么是交互作用 所谓交互作用，简单来说就是不同因子对试验所考察的指标的复合作用。即一个因子水平下的好坏及其程度受另一个因子不同水平影响的情况，记作Ａ×Ｂ。 当需要考虑两个因子的交互作用时，每组试验条件的试验至少做两次，否则无法将交互作用的平方和从误差平方和中分出来。（可以减轻误差的干扰，提高分析的精度） 1.模型与假设的提出 考虑因子A取r个水平，因子B取s个水平，分析这r×s个水平组合(A i，B j)对指标y的影响。 在每个(A i , B j)下，重复做 m 次试验 一般情况，假定在(A i,B j)水平组合下的指标 y i j k ～ N(μi j ,σ2), i =1,2,…,r; j=1,2,…,s; k=1,2,…,m 其中要求y i j k的方差σ2是相同的 两因子方差分析数据(表)模型 A水平 B水平 A1 … Ai … Ar B1 … Bj … Bs . . …(yij1 yij2 … yijk … yijm)… . . 假设的提出 a i为因子A的第i水平的效应: a i = μA i- μ μ为总的平均水平 μAi为Ai的平均水平 b j为因子B的第j水平的效应: b j = μB j - μ μ为总的平均水平 μBj为Bj的平均水平 (a b)i j为因子A的第i水平与因子B的第j水平的交互作用效应: (a b)i j = μi j - μ- a i -b j y i j k的数据结构形式: y i j k =μ+ ai + bj+(a b)i j+εi j k μ为总的平均水平 εijk为在在(Ai ，Bj)水平下试验的随机误差 两因子方差分析数据结构模型 ，且相互独立 即要检验假设 H01: a1 = a2 =…= ar= 0 H02: b1 = b2 =…= bs= 0 H03: (ab)11 =(ab)12 =…= (ab)rs = 0 是否成立 讨论因子的不同水平的效应是否可以忽略不计的问题 若H01成立，则说明因子A取r个水平对指标y无显著影响，反之拒绝H01，说明因子A取r个水平对指标y有显著影响。 若H02成立，则说明因子B取s个水平对指标y无显著影响，反之拒绝H02，说明因子B取s个水平对指标y有显著影响。 若H03成立，则说明因子A和B对指标y无显著影响，反之拒绝H03，说明因子A和B对指标y有显著影响，具有交互作用。 用F检验法对假设进行判断，讨论两因子的不同水平的效应是否可以忽略不计的问题。 2、检验统计量的确定 yij取值不同主要原因有：一是可能A和B取不同水平所引起的；二是随机误差引起的。 偏差平方和的分解是构建适用于方差分析的 F 统计量的重要工具 也是区分条件误差(系统性误差)和随机误差(偶然性误差)的主要方法 偏差平方和的分解 数据总的差异可用总偏差平方和ST来表示 Ai 水平下数据平均值 Bj 水平下数据平均值 Ai Bj水平下数据平均值 总的偏差平方和分解 总偏平方和 ST: 因子A偏差平方和SA : 因子B偏差平方和SB : 交互作用因子AB偏差平方和SAB: 随机偏差平方和(组内偏差平方和) Se : Ｆ统计量的构建 在 H01为真时: 在 H02为真时: 在 H03为真时: 不管H01,H02,H03是否成立，都有 H01,H02,H03都成立时， ~ ~ 在假设H01成立时 在假设H02成立时 在假设H03成立时 ~ ~ ~ 检验假设H01的拒绝域为 检验假设H02的拒绝域为 检验假设H03的拒绝域为 其中α 为显著性水平， 或 为F分布的α上侧分位数。 α 越小，拒绝假设的把握越大，因子的显著性越高。 方差分析表 来源 平方和S 自由度f 均方和 V （方差） Ｆ比 显著性 A B AB e