第8章 方差分析与实验设计推荐.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 因素设计(factorial design) 感兴趣的因素有两个 如：小麦品种和施肥方式 假定有甲、乙两种施肥方式，这样3个小麦品种和两种施肥方式的搭配共有3×2=6种。如果我们选择30个地块进行实验，每一种搭配可以做5次实验，也就是每个品种(处理)的样本量为5，即相当于每个品种(处理)重复做了5次实验 考虑两个因素(可推广到多个因素)的搭配实验设计称为因素设计 该设计主要用于分析两个因素及其交互作用对实验结果的影响 实验数据采用可重复双因素方差分析 * 因素设计(例题分析) 实验数据： SPSS分析 Excel分析 * 因素设计(例题分析) 方差分析—SPSS * 因素设计(例题分析) 析因设计—均值图 * 本章小结 方差分析的思想和原理 方差分析中的基本假设 单因素方差分析 双因素方差分析 实验设计与数据分析 结 束 * THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS THANKS * * * * * * * * * * * * * * * * * * * * * * * * * * 双因素方差分析—只考虑主效应  (例8-4的分析—SPSS) 效应检验表 第一行(Corrected Model)是对所使用的方差分析模型的检验。其原假设是：模型中的所有因素(超市位置和竞争者数量)对因变量(销售额)无显著影响，即?i=0和?j=0。由于显著性水平Sig.接近于0，表明该模型是显著的 * 双因素方差分析—只考虑主效应  (例8-4的分析—SPSS) 效应检验表 第二行(Intercept)是模型的常数项(即截距)。其检验的原假设是：?=0，即不考虑超市位置和竞争者数量时，销售额的平均值为0。虽然检验结果拒绝了原假设，但由于截距在实际分析中没有实际意义，可忽略不计 第三行和第四行是对超市位置和竞争者数量影响效应的检验。由于两个因素检验的显著性水平均接近于0，拒绝原假设，表明超市位置和竞争者数量对销售额均有显著影响 表的下方还给出了模型的多重判定系数(R Squared = 0.727)和调整后的多重判定系数(Adjusted R Squared =0.681)，它反映的是超市位置和竞争者数量联合起来对销售额误差的影响程度 。其平方根则是超市位置和竞争者数量与销售额之间的多重相关系数 * 双因素方差分析—只考虑主效应  (例8-4的分析—SPSS) 方差分析模型的参数估计 Intercept是模型中的截距?，它表示不考虑“超市位置”和“竞争者数量”这两个因素影响时销售额总的平均值为294.667万元 * 双因素方差分析—只考虑主效应  (例8-4的分析—SPSS) 方差分析模型的参数估计 下面分别是对超市位置的影响效应和竞争者数量的影响效应的估计(有条件的估计)。由于3个位置的超市一共有3个参数，在估计模型的参数时，将最后一个水平(本例为写字楼)作为参照水平，这相当于强迫?3=0，而另外两个参数(居民区和商业区)的估计值是检验结果实际上就是与参照水平相比较的结果。比如，居民区的参数?1=119 ，表示超市位置在居民区时对销售额的附加效应；竞争者数量的参数?2=-82.667，表示竞争者数量为“0个”时，竞争者数量对销售额的附加效应，等等 从表中可以看出，竞争者数量等于2个时的显著性水平(0.196)较大，表明竞争者数量等于2个时对销售额的影响不显著，而其他各显著性水平都很小，表明因素的其他水平对销售额均值有显著影响 * 双因素方差分析—只考虑主效应  (例8-4的分析—SPSS) 多重比较—超市位置 * 双因素方差分析—只考虑主效应  (例8-4的分析—SPS