[管理学]第12章 方差分析.pptVIP

构造检验的统计量(三个平方和的作用) TSS反映了全部数据总的误差程度； RSS反映了随机误差的大小； BSS反映了随机误差和系统误差的大小 构造检验的统计量(计算方差) 各离差平方和的大小与观察值的多少有关，为了消除观察值多少对离差平方和大小的影响，需要将其平均，这就是均方，也称为方差 计算方法是用离差平方和除以相应的自由度 三个平方和的自由度分别是 TSS 的自由度为n-1，其中n为全部观察值的个数 RSS的自由度为n-m，其中k为因素水平(总体)的个数 BSS 的自由度为m-1 三个方差 总方差： 总平方和TSS除以自由度后的值， 组内方差：组内平方和RSS除以自由度后的值， 组间方差：组间平方和BSS除以自由度后的值 构造检验的统计量(三个方差的作用) 如果原假设成立，即m1 = m2 =…= mk为真，则表明没有系统误差，组间均方与组内均方差异就不会太大；如果组间均方显著地大于组内均方，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 判断自变量的不同取值是否对因变量有影响，实际上就是比较组间方差与组内方差之间差异的大小 为检验这种差异，需要构造一个用于检验的统计量 构造检验的统计量(计算检验的统计量 F ) 将组间方差和组内方差进行对比，即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m-1、分母自由度为 n-m 的 F 分布，即 构造检验的统计量(F分布与拒绝域) 如果均值相等，F?1 a F 分布 F?(m-1,n-m) 0 拒绝H0 不能拒绝H0 F 统计决策 ? 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，作出接受或拒绝原假设H0的决策 根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝m-1、第二自由度df2=n-m 相应的临界值 F? 若FF? ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的自变量对因变量有显著影响 若F?F? ，则不能拒绝原假设H0 ，表明所检验的自变量对因变量没有显著影响 一元方差分析表 方差来源 平方和SS 自由度 df 方差 SS F 值 组间 组内 总和 BSS RSS TSS m-1 n-m n-1 BSS/m-1 RSS/n-m 一元方差分析的相关比率 一元方差分析只告诉我们两个变量之间相关， 但是，两个变量之间相关程度到底有多大呢？ 用相关比率eta2来表示 相关比率与相关系数的异同 二者都表示两个变量之间相关程度， 区别： 相关系数r研究的是 定距-定距 变量间的线性相关程度； 要求，不仅是定距变量，而且是线性相关。 如果这两个要求有一个不能满足，就用相关比率eta2表示 第三节 二元方差分析 二元方差分析的三模型 理想的独立模型 忽略外界干拢因素的影响 变量A和变量B之间不存在交互作用 理想的具有交互作用的模型 忽略外界干拢因素的影响 变量A和变量B之间存在交互作用 实际的模型 考虑外界干拢因素的影响 二元方差分析的步骤 提出假设 对自变量A提出的假设为 H0: m1 = m2 = … = mi = …= ma (mi为第i个取值的均值) H1: mi (i =1,2, … , a) 不全相等 对自变量B提出的假设为 H0: m1 = m2 = … = mj = …= mb (mj为第j个取值的均值) H1: mj (j =1,2,…,b) 不全相等 构造检验的统计量 为检验H0是否成立，需确定检验的统计量 构造统计量需要计算 总离差平方和 变量A的离差平方和 变量B的离差平方和 误差项的离差平方和 构造检验的统计量(各平方和的关系) ? 总离差平方和(TSS)、自变量的离差平方和 (BSSA和BSSB) 、误差项离差平方和(RSS) 之间的关系 TSS = BSSA +BSSB+RSS 构造检验的统计量(计算检验的统计量 F) 为检验自变量A的影响是否显著，采用下面的统计量 为检验自变量B的影响是否显著，采用下面的统计量 统计决策 ? 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，作出接受或拒绝原假设H0的决策 根据给定的显著性水平?在F分布表中查找相应的临界值 F? 若FA? F? ，则拒绝原假设H0 ，表明均值之间有显著差异，即所检验的自变量(A)对观察值有显著影响 若FB ? F? ，则拒绝原假设H0 ，表明均值之间有显著差异，即所检验的自变量(B)对观察值有显著影响 二元方差分析表 方差来源 平方和 SS 自由度 df F值 自变量A 自变量B 误差 总和 BSSA BSSB RSS TSS a-1 b-1 (a-1)?(b-1) ab-1 FA FB 多元方差分析 ? 原理同二元方差分析 第十二章