线性回归介绍.ppt

Review: F-Distribution F 分配之特性 F-test Statistics 檢定多個母體平均值是否相等 簡單的說，就是t檢定的一般化 可用於檢定三個或三個以上的母體平均數是否相等 通過變異數的分析來判斷多個母體平均值是否相等 檢定飲料的顏色對銷售量是否有影響，也就是檢定四種顏色飲料的平均銷售量是否相等 假設 ?1 為無色飲料的平均銷售量 ?2 為粉色飲料的平均銷售量 ?3 為橘黃色飲料的平均銷售量 ?4 為綠色飲料的平均銷售量 也就是檢定下列的假設 H0: ?1 ? ?2 ? ?3= ?4 H1: ?1 , ?2 , ?3 ，?4 不全相等 檢定上述假設的方法就是變異數分析 ANOVA中的假設 假設成立，即H0: μ1=μ2=μ3=μ4 假設不成立，即H1: μi (i=1，2，3，4)不全相等 函數關係 單因子變異數分析為探討單一分析性反應變量(Y)受單一分類性 解釋變數的影響，函數關係如下： Y=f(A) Y=分析性反應變量 A=分類性解釋變數，共分為I組 名詞解釋 反應變量(Variate)與解釋變數(Variable) 反應變量 (Dependent Variable) ，為研究所探討的焦點，在變異數分析中需為計量型數據 在同一變量下所有個案觀察值不會相同，能夠解釋這些觀察值不同的變數稱為解釋變數(independent Variable) ，在變異數分析中需為分類性。 以上例而言，反應變量即為飲料銷售量；解釋變數為飲料顏色 因子(Factor)與水準(Level) 變異數分析中計數的解釋變數(檢定的對象)為因子 因子的具體表現即為水準 以上例而言，因子為飲料顏色，分為無色，粉色，橘紅，綠色四共種顏色，即四水準，故稱為一因子四水準變異數分析(1-way ANOVA) 試驗 這裡只涉及一個因子，因此稱為單因子四水準試驗 母體 因子的每一個水準可以看作是一個母體 比如 A1、A2、A3、 A4 四種顏色可以看作是四個母體 樣本數據 上面的數據可以看作是從這四個母體中抽取的樣本數據 變異的分類 組內變異 因子的同一水準(同一個母體)下樣本數據的變異 例如，無色飲料 A1 在 5 家超市銷售數量的變異 組間變異 因子的不同水平(不同母體)下各樣本之間的變異 例如，A1、A2、A3、A4 四種顏色飲料銷售量之間的變異 變異的比較 如果不同顏色(水準)對銷售量(結果)沒有影響，這時組間變異小，組間變異與組內變異的比值不大 如果不同的水準對結果有影響，這時組間變異大，組間變異與組內變異的比值相對也會變大 當這個比值大到某一個程度時，就可以說不同水準間存在顯著差異 統計模式 1-Way ANOVA 之統計模式將觀察值(Yij)分解成總平均(μ) 、因子處置效果(αi) 以及誤差項(eij)等三種的總和 其中 Yij 代表第 i 個組别的第 j 個反應變量觀測值。 eij 代表第 i 個組別的第 j 個殘差值。 αi 代表第 i 個組別的影響。 單因子ANOVA 之假設 模式的三個基本假定 模式(Model)是真實世界的縮影，由數學方程式所組成。方程式中的參數能反應真實世界的本質。所有的模式背後都有一組假定(Assumption)。如果假定不成立，模式將不適用，變異數分析亦不例外。 變異數分析的模式假定為：誤差需符合常態性，恆常性，獨立性。 這三項假定在所有的一般線性模式(GLM, General Linear Model) 均需成立。 模式的三個基本假定 單因子變異數分析表 目的：檢定變異數分析模式是否顯著，也就是判定在實驗中， 各因子的不同組別對反應變量是 否有顯著差異。 為總檢定使用。 變異分解： 總檢定 (Overall test)： 檢定變異數分析模式中所有組均值是否有差異 檢定流程 對因子 A 提出的假設為 H0 : μ1 = μ2 = … = μi = …= μk (μi 為第 i 個水準的平均值) H1 : μi (i =1,2, … , k) 不全相等 對因子 B 提出的假設為 H0 : μ1 = μ2 = … = μj = …= μr (μj 為第 j 個水準的平均值) H1 : μj ( i =1,2, … , r) 不全相等 三個平方和的自由度分別是 總差異平方和 SST 的自由度為 kr-1 因子 A 的差異平方和 SSA 的自由度為 k-1 因子