变异数分析与2.docVIP

第12章 變異數分析與χ2 檢定 12.1 簡介 本章中將介紹χ2與F分配如何應用在分析兩個以上母體的平均值與比例值上。基本上，可分： 1. 變異數分析(ANOVA)：分析不同樣本平均數間是否有顯著差異──用F分配。 2. 檢定goodness of fit和independence： goodness of fit test：檢定不同母體比例間是否相等，或某分配是否恰當──用χ2 分配來做。 test of independence：決定不同樣本比例間的差異是否顯著，還是只是偶然罷了。 12.2 One-way ANOVA ANOVA將不同母體拆成不同的部分，再用這些部分來做出樣本統計值。其應用範例諸如： 1. 不同商品擺在不同貨架上是否會影響其銷售成績？ 2. 廣告對某些商品是否比較有效？ 3. 獎勵措施是否對某類員工更有效？ 4. 電腦化對哪類職場比較能提高工作效率？ 5. 會計師可用ANOVA來測試某組帳戶的樣本平均值與其他組帳戶的平均值是否顯著不同？ 資料分組方式可依： 單一分類(single classification)：one-way ANOVA 雙重分類(dual classification)：two-way ANOVA 用範例來解釋one-way (one-factor) ANOVA： 假若我們想知道工作經驗對大學畢業生的新進人員起薪是否有影響，假設我們從東華大學經濟系的畢業生中抽出我們的樣本。 根據工作經驗來分類，分成三組(treatments)： 1. 有學士學位，無工作經驗， 2. 有學士學位，有一年工作經驗， 3. 有學士學位，有兩年工作經驗。 共抽12個樣本（每組抽4個），其薪資列於表12.1 ，此為單一分類（按工作經驗分類）。 表12.1列出不同經驗組的平均值，也列出全部樣本的平均值，我們接著要問這三類（不同工作經驗的）母體的平均值是否相同？ H0: μ1=μ2=μ3 H1: 至少有兩個母體的平均值不相等 我們想知道表12.1中樣本平均數的差異是否全為偶然？如果檢定結果為：有顯著差異──則工作經驗真的會影響起薪。 One-Way ANOVA： 表12.2列出m個母體（類別組），每個母體（類別組）抽出n個樣本的ANOVA分析，表底端列出各類別的樣本平均值，表中的數值符號如下： :第j組第i個樣本值， :第j組的樣本平均值， nj :第j組的樣本數， 要檢定先前的假設，必須作下列兩個變異值： within-group variability between-groups variability 根據表12.1的例子，我們可以畫出圖12.1的分配圖，(a) 顯示若不分組，其母體為離散度高的一個分配，(b)顯示分組後的三個母體分配的離散度不一，(c)根據null hypothesis分組後的母體分配應是相同的。 我們用sum of squared deviation（或稱sum of squares）來衡量變異程度。 between-treatments sum of squares (或稱between-groups variability)(組間變異)為： 在例子中，n1=n2=n3=4, 故組間變異SST=72 SST顯示各類別平均值間的離散程度。 within-treatment sum of squares (組內變異)： ，i為樣本點，j為組別。 SSW指出各組別內部因為隨機抽樣所導致的變異程度。例子中的組內變異SSW=46。 ANOVA分析中的總變異＝組間變異＋組內變異 即TSS=SST+SSW 此處的檢定雖只用到組間與組內變異，但總變異與組間、組內變異之間的關係可能亦相當有用。 檢定時，自由度相當重要，組間變異的自由度為m-1，因其有m組樣本平均值（由m組隨機抽樣得出），而當其衡量各組平均與總平均之離散度時，因，使得它損失了一個自由度，故其自由度為m-1。 例子中：組間變異的自由度為3－1= 2 組內變異的自由度為 (n-m)，因有n個觀察值（樣本值），而衡量變異時，必須求各組樣本值與各組的樣本平均之離散度，共有m個算數平均數的方程式，故而少了m個自由度。 例子中的組內變異為 12－3＝9 我們的null hypothesis隱含一個假設：這m組的分配應該是同一個，故而其變異應該相同，如果null hypothesis為真，SST與SSW應可用來估計此變異數。 組間平均變異(mean square, i.e. variance)的不偏估計為 MST=SST/(m-1) 組內平均變異(mean square, i.e. variance)的不偏估計為 MSW=SSW/(n-m) Test Statistic: 比較組間與組內之平均變異可用F分配： F = (MST / MSW)