ch09第九章方差分析.ppt

第九章 方差分析 单因素方差分析 双因素方差分析 协方差分析 多元方差分析 9.1 方差分析概述 9.1 方差分析概述 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.2 单因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.3 双因素方差分析 9.4 协方差分析 9.4 协方差分析 9.4 协方差分析 9.4 协方差分析 9.4 协方差分析 9.4 协方差分析 9.5 多元方差分析 9.5 多元方差分析 9.5 多元方差分析 9.5 多元方差分析 9.5 多元方差分析 9.5 多元方差分析 分析过程： Analyze?General Lineral Model ?Multivariate 以产品1、产品2和产品3为因变量 以温度和时间为固定因素 得到分析结果。 1.多元方差分析的检验结果 对每一个因素用四种方法进行检验，可能相互矛盾，以Pillai’s Trace为准。可以看出温度、时间对三种产品的总体影响是显著的，温度和时间的交互效应也比较显著。 2.组间效应检验 Tests of Between-Subjects Effects 前面的检验是一个总体显著性检验，并不一定是每一个因变量的因素都显著。而此处的检验针对每一个因素对各因变量都一一进行检验，是多个单因变量检验的集合。 根据结果看，各因素对每一种产品的产出率的影响都是显著的。 前面的检验说明了有差异，但究竟哪种最好呢，不知道。 可以进行两两比较，但对于多元方差分析，两两比较不可靠。 进行多元方差分析时，单击option按钮，显示 温度、时间、温度*时间的平均值。 课件制作：叶勇 课件制作：叶勇 前面的独立样本和配对样本检验都只能检验两个样本，如果要检验2个以上样本的均值是否相等，则又该怎么办？ 是否可以两两比较？ H0:μ1=μ2=μ3 ? H0:μ1=μ2 H0:μ2=μ3 显然不能，统计上的“=”（显著性）不能视为数学等号。如110与120间差距统计上可能不显著，120与135间差距统计上可能也不显著，但110与135间差距则极有可能在统计上显著。 对于多样本的均值检验可以使用单因素方差分析实行。 进行方差分析需要三个前提： 1.被检验的各总体均服从正态分布； 2.各总体的方差皆相等； 3.从每一个总体中所抽出的样本是随机且独立的。 其中最主要的是第3个条件，前2个条件并不很严格，只要数据不是太极端即可。 方差分析按涉及因素的多少分为单因素方差分析、双因素方差分析和多因素方差分析。 方差分析将各不同分组间的总离差分为两部分，一是各组平均值与总平均值离差的平方和，称为组间离差或组间平方和SSR，反应各组之间的差异程度；二是每组内各个样本数据与其组平均值离差的平方和，称为组内离差或组内平方和SSE。 方差来源 离差平方和 自由度 均方 F统计量 组间 SSR k-1 MSR=SSR/(k-1) F=MSR/MSE 组内 SSE n-k MSE=SSE/(n-k) 总和 SST n-1 MST=SST/(n-1) 总离差平方和大家很熟悉，将其分解为SSR和SSE，并由自由度计算均方，再计算得到F统计量。 其思想是：如果各组间区别不大，则各组间的差异和各组内部的差异应该不大，则F统计量应该等于1。如果F值比较大，则说明各组间的差异大于组内差异，各组的差异明显。 如果样本数据只受一个因素的影响，则多总体的检验可以使用单因素方差分析实现，这也是最常见的方差分析工具。 9.2.1 单因素方差分析基本操作 例：五个商店以各自的销售方式买健身器材，连续四天各商店销售量如表所示。销售量服从正态分布，且具有方差齐性（方差相等），试考察销售方式对销售量有无明显影响。 15.5 13.5 9.5 14 9 平均数 62 54 38 56 36 列总和 18 13 11 17 7 4 16 14 9 14 11 3 13 15 8 13 8 2 15 12 10 12 10 1 A5 A4 A3 A2 A1 销售方式 日期 建立假设： H0:μ1=μ2=μ3=μ4=μ5 H1:μi不全相等