[经济学]应用统计-11.pptVIP

第十一章 方差分析 一、方差分析概述 二、单因素方差分析 三、双因素方差分析 方差分析举例 上例分析 一、方差分析概述 概念：检验多个总体均值是否相等，用于分析完全随机化试验设计。 假定：每个总体都服从正态分布；各个总体的方差相同；观察值是独立的。 概念：下页。 原理：比较两类误差，以检验均值是否相等。 方差分析几个基本概念 方差分析原理 比较两类误差，以检验均值是否相等。 比较的基础是方差比。 如果系统（处理）误差显著地不同于随机误差，则均值就是不相等的；反之，均值就是相等的。 误差是由各部分的误差占总误差的比例来测度的。 随机误差与系统误差 组内方差与组间方差 方差的比较 如果原假设成立 如果原假设成立：H0: ?1 ? ?2 ? ?3 ? ?4 ，也即四种颜色饮料销售量的平均数都相等，也即没有系统误差。 这意味着每个样本都来自平均数为??、方差为?2的同一正态总体。 如果备择假设成立 如果备择假设成立： H1: mi (i =1，2，3，4) 不全相等，即四种颜色饮料销售量的平均数不全相等，也即存在系统误差。 这意味着四个样本分别来自平均数?不同的四个正态总体。 二、单因素方差分析 数据结构： 下表。 基本步骤： 提出假设，构造检验统计量，做出决策。 多重比较： 对总体平均数进行配对比较，进一步检验到底哪些平均数之间存在差异。 单因素方差分析的数据结构 提出假设 构造检验统计量 为检验H0 ( m1 = m2 =…= mk) 是否成立，需确定检验的统计量: 构造统计量需要计算 各水平的平均数 全部观察值的总平均数 三个离差平方和 两个方差 水平平均数与总平均数 三个离差平方和 总离差平方和（SST） 总平方和 误差项离差平方和（SSE） 组内平方和 水平项离差平方和 （SSA） 组间平方和 三个平方和的关系 SST反映了全部数据总的误差程度；SSE反映了随机误差的大小；SSA反映了随机误差和系统误差的大小。 SST = SSE + SSA 前例：115.925 = 39.084 + 76.84 两个方差 如果原假设成立，则表明没有系统误差，组间平方和SSA除以自由度后的方差与组内平方和SSE除以自由度后的方差的差异就不会太大；如果组间方差显著地大于组内方差，就说明各水平（总体）之间的差异不仅有随机误差，还有系统误差。 三个平方和的自由度分别是 SST：N-1 N为全部观察值个数 SSA：k-1 k为因素水平（总体）个数 SSE： N-k k（n-1）= N-k 计算检验统计量 F SSA / k-1 = MSA， SSE / N-k = MSE 将MSA和MSE进行对比，得到所需要的检验统计量F。 当H0为真时，二者的比值服从分子自由度为 k-1、分母自由度为N-k 的F分布，即 F分布与拒绝域 做出决策 将统计量的值F与给定的显著性水平?的临界值F?进行比较，做出接受或拒绝原假设H0的决策。 若FF? ，则拒绝原假设H0 ，表明平均数值之间的差异是显著的，所检验的因素（A）对观察值有显著影响。 若F?F? ，则不能拒绝原假设H0，表明所检验的因素（A）对观察值没有显著影响。 多重比较* 多重比较是通过对总体平均数之间的配对比较来进一步检验到底哪些均值之间存在差异。 Fisher提出的最小显著差异方法（LSD）可用于判断到底哪些均值之间有差异。 LSD方法是对检验两个总体平均数是否相等的t检验方法的总体方差估计加以修正（用MSE来代替）而得到的。 多重比较的步骤 提出假设： H0 : mi = mj (第i个总体的平均数等于第j个总体的平均数) H1 : mi ? mj (第i个总体的平均数不等于第j个总体的平均数) 计算检验统计量： 做出决策： 若|t|?t???，拒绝H0；若|t|t???，接受H0 二、双因素方差分析 概念要点：分别对两个因素(A、B)进行检验，分析是一个因素在起作用、两个因素都起作用、还是两个因素都不起作用。双因素方差分析又分为无交互作用的双因素方差分析、有交互作用的双因素方差分析两种。 数据结构： 下表。 基本步骤： 提出假设，构造检验统计量，做出决策。 双因素方差分析数据结构 提出假设 对因素A提出的假设为 H0： m1 = m2 = … = mi = …= mk H1： mi (i =1,2, … , k) 不全相等 （mi为第i个水平的平均数） 对因素B提出的假设为 H0： m1 = m2