[企业管理]第七章SPSS方差分析.pptVIP

多因素方差分析 (二)基本思路 认为观测变量的变动是由各控制变量独立作用、它们的交互作用、以及随机因素造成的。以两个控制变量的方差分析为例: S总= S控1+S控2 + S控1控2 + S随 (main effects) (N-way 交互) (Residual) (explained) 其中：S控1控2表示两个控制变量的交互影响 多因素方差分析 (二)基本思路 交互作用，即:两个或多个控制变量各水平之间搭配时对观察变量的影响. 例如：饮食习惯、适量运动对减肥的作用；排球队的二传手和主攻手对赢球的作用；城市规模和广告类型对广告效果的影响 交互作用的图形观察： A1 A2 B2 A1 A2 B2 B1 B1 2 5 B1 B1 2 5 B2 7 10 A1 A2 B2 7 3 A1 A2 当A从A1变化到A2时， A对观测变量值的影响与B取什么 观测变量值均增加，与 水平有关 B1或B2无关； 多因素方差分析 (二)基本思路 多因素方差分析中因素的划分 固定效应因素：人为能够准确控制其各个不同的水平值（该因素在样本中所有可能的水平都出现了，结果无需外推）；如：资费、客户类型、漫游类型等 随机效应因素：人为无法对其水平值进行准确控制，只是能够直观观测到（该因素在样本中所有可能的水平没有或不可能都出现，结果需要推论总体）。如：话费水平、收入水平等。 固定效应和随机效应通常较难区分 多因素方差分析 (三)基本思路 多因素方差分析的核心内容： 检验在不同控制变量的不同交叉水平下，各交叉分组下样本数据所代表的总体均值，有无显著差异。 进而判断多个因素是否对观测变量产生了显著影响 H0:各交叉水平下的总体均值均无显著差异. 数学模型：以双因素为例 H0: a1=a2=a3=…=0; b1=b2=b3=…=0; (ab)11=(ab)12j=…=0 前提条件：等方差一般不再非常强调 多因素方差分析 (三)基本思路 检验方法 SST=SSA+SSB+SSAB+SSE A有p个水平，B有q个水平，每组有r个样本 多因素方差分析 (三)基本思路 统计量（F检验） 固定效应模型： 随机效应模型： 多因素方差分析 (三)基本思路 结论 依次查看各F值的相伴概率.如果其相伴概率大于a,则不能拒绝H0,可以认为相应不同水平的控制变量或交互影响没有造成均值的显著差异; 相反 多因素方差分析 (四)基本操作步骤 A.菜单选项:analyze-General Linear model-Univariate B.选择观察变量到dependent框 C.选择固定效应因素fix factor框 D.选择随机效应因素random factor框 E.模型的定义Model选项 饱和模型：分析所有主效应和交互作用，非饱和模型：选择分析主效应或高阶交互效应) F.其他：post hoc与contrasts(同post hoc中的LSD检验) 多因素方差分析 (四)应用举例 不同广告形式和不同地区对某产品销售额的影响 建立混合效应模型(地区为随机效应因素) 交互作用 对交互作用的图形观察 Plots选项 预测值的保存及残差分析 Save和options选项(线性模型的体现) 多因素方差分析 (四)应用举例 不同包装方式和不同城市是否与销量有关 交互作用？ 无重复数据无法分析交互作用 禁止交互分析，Model选项 * 1 - * 第七章 方差分析 方差分析概述 一、问题的提出 通过参数检验可以解决两两总体均值的比较 多个总体均值的检验如何作？(如：钻卡、金卡和银卡客户的平均移动话费的比较） 可以多次采用两样本t检验方法实现 产生的问题：犯第一类错误的概率明显增大 例如：K个变量两两进行t检验，需要作N=k! ÷(2! ×(k-2)!)次，如果?为0.05，那么每次比较不犯第一类错误的概率为0.95。N次检验均不犯第一类错误的概率为0.95N，而犯第一类错误的概率为1-0.95N，远远大于设定的0.05 可以利用方差分析的方法来实现多个总体的均值比较 方差分析概述 (二)分析目的: 方差分析是从数据间的差异入手，分析哪些因素是影