第5章 方差分析 《相关管理统计学》课件.pptVIP

方差齐性检验表 设不同地区的交通事故次数的方差分别为 原假设H0： 原假设H1： 不全相等 方差齐性检验表 Test of Homogeneity of Variances 交通事故次数 Levene Statistic df1 df2 Sig. .096 4 21 .983 Levene Statistic（统计量）的值为0.096 组间、组内自由度分别为4、21，相应的显著性概率p（Sig.）为0.983，非常大 因此，没有理由拒绝原假设，认为不同地区的交通事故次数的方差没有显著性差异，即方差具有齐性 方差分析表 ANOVA F=3.676，显著性概率（Sig.）=0.02 当取α=0.05时，Sig.=0.020.05，故拒绝原假设，认为各地区平均每天交通事故次数有显著性差异 如果查F统计量分布表得到F0.05（4，21）=2.85， α=0.05时，F=3.676F0.05(4，21)=2.85，则拒绝原假设H0，表明所检验的因素即地区对平均每天交通事故的次数观测值有显著影响 Sum of Squares df Mean Square F Sig. Between Groups 82.637 4 20.659 3.676 .020 Within Groups 118.017 21 5.620 Total 200.654 25 两两比较不同水平的差异 在{One-Way ANOVA对话框} →变量Y（交通事故次数）移入到Dependent List 框，变量X（所在地区）移入Factor框内 → Post Hoc → {One-Way ANOVA： Post Hoc Multiple Comparisions对话框} 方差相等假设下的可选择方法 方差非齐次性假设 Equal Variances Assumed Equal Variances Assumed：方差相等假设下的可选择方法 LSD：最小二乘法，是Ｔ检验的变形，在变异与自由度计算上利用了整个样本信息，敏感度最高 Bonferroni：由LSD修正而来，通过设置每个检验的α水平来控制总的α水平水，这个方法的敏感度介于LSD和Scheffe之间 Sidak：用T检验完成多重配对比较，可以调整显著性水平，比Bonfferroni方法的调整界限小 Scheffe：它利用F分布进行均值间的配对比较 R-E-G-W F（Ryan- Einot -Gabriel - Welsch F）：利用F检验进行多重比较 R-E-G-W Q（Ryan-Einot -Gabriel - Welsch range test）：基于t分布进行多重逐步比较 S-N-K（Student-Newman-Keuls）：它利用 T 分布进行均值间的配对比较 Tukey（Tukey’s honestly significant difference）：利用T化极差分布进行均值间的配对比较 Tukey’s-b：利用T化极差分布进行均值间的配对比较，精确值为前两种检验相应值的平均值，利用该方法时一般要选择前两种方法 Duncan（Duncan’s multiple range test）：逐步比较一系列分布值，得出结论，适用于分布不明确的情况 Hochberg’s GT2：利用T化极差分布进行多重比较 Gabriel：利用T化极差分布进行配对比较 Waller-Duncan：利用t检验进行多重比较 Dunnett方法：选择开头一组或者最后一组为对照，其他组跟它进行比较，当选中这一种方法后，Control Category被激活，它后面的下拉菜单框中有两个选项，即：First和Last，可以选择其中一个，它们就是对照组 Equal Variances Assumed （续） Equal Variances Not Assumed Equal Variances Not Assumed：方差非齐次性假设下的方法有： Tamhane’s T2 ：利用t检验进行配对比较，是一种比较老式的方法 Dunnett’s T3：在T化极差分布下进行配对比较 Games-Howell：它是一种较灵活的方差不具齐次时的配对比较检验法 Dunnett’s C ：基于t分布下的配对比较 多重比较结果表 Multiple Comparisons 选择LSD → Tamhane’s T2 → Continue → {ANOVA} →OK → {多重比较结果表 Multiple Comparisons} LSD (I) 所在地区0 (J) 所在地区 Mean