[经济学]【统计课件】多元正态分布统计推断.pptVIP

我们的 假设为： 2）可重复多因素方差分析模型 在 l 次重复实验的情况下，多因素方差分析线性模型为： 一般对 r 个因素（ ）的多因素方差分析中, 对于观察值 的线性模型，有 个各因素主效应， 个两两不同因素的交互效应，…， 个（r-1）个因素的交互效应以及随机误差项之和。 平方和分解 在假设之下，可得估计量。 最小二乘估计 三因素方差分析各影响得估计量 分离总平方和为 其中 为残差平方和项，我们可以得到三因素方差分析表 两因素方差分析anova2语法： Two-way Analysis of Variance (ANOVA) p = anova2(X,reps) p = anova2(X,reps,displayopt) [p,table] = anova2(...) [p,table,stats] = anova2(...) 这里： X：数据矩阵 reps：重复次数 数据的结构为： 下标第一位：A因素水平数 下标第二位：B因素水平数 下标第三位：重复次数 本例的数据为： 33 35 34 37 36 37 36 37 38 37 39 39 40 38 42 38 41 44 A1 A2 A3 B1 B2 B4 B3 % 两因素方差分析 X=load(‘e:\data\anov_2.txt’) % 读入数据 p = anova2(X,2) % 求两因素方差分析 结果分析： A因素有显著性影响，B因素有显著影响。 A×B的交叉因素则没有影响。 多因素方差分析anovan语法： N-way analysis of variance (ANOVA) p = anovan(x,group) p = anovan(x,group,Param1,val1,Param2,val2,...) [p,table] = anovan(...) [p,table,stats] = anovan(...) [p,table,stats,terms] = anovan(...) 例6.2.4 设三因素各有二水平，每个水平搭配下实验一次。 52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0 实验数据 1 2 1 2 1 2 1 2 A因素 1 1 2 2 1 1 2 2 B因素 1 1 1 1 2 2 2 2 C因素 y = [52.7 57.5 45.9 44.5 53.0 57.0 45.9 44.0] g1 = [1 2 1 2 1 2 1 2]; g2 = [1 1 2 2 1 1 2 2]; g3 = [1 1 1 1 2 2 2 2]; p = anovan(y, {g1 g2 g3}, model, interaction,... varname,{A,B,C}) 结果分析：从方差分析表中我们可以看出 A因素对数据具有显著影响，因为p=0.03470.05 B因素对数据具有显著影响，因为p=0.00480.05 C因素对数据没有显著影响，因为p=0.250.05 A×B因素对数据具有显著影响，因为p=0.0150.05 A×C因素对数据没有显著影响，因为p=0.140.05 B×C因素对数据没有显著影响，因为p=0.50.05 4.4 多因素方差分析数据统一处理 上面两因素方差分析的例子中，数据文件的准备相当麻烦。我们统一将变量X，因素A1，A2，…，AP看作变量，作为二维数组的列，这样方差分析的数据为： 可以整理成数据文件名为anon_2_2.txt，数据为： 31 1 1 33 1 1 33 2 1 34 2 1 35 3 1 37 3 1 34 1 2