统计学第章_方差分析.docVIP

统计学第8章_方差分析 13.2 13.6 13.1 20.4 16.2 11.8 12.3 13.4 21.8 16.5 15.4 14.7 16.5 19.6 17.1 12.5 13.1 15.6 17.9 18.2 A1（通常销售）A2（广告宣传）A3（有奖销售）A4（特价销售）A5（买一送一） 月销售额（万元） 促销方式 其中“通常促销”是指不采用任何促销手段，“广告宣 传”是指没有价格优惠的单纯广告促销，“买一送一”是指买一件商品送另一件小商品。现该公司希望了解的是： （1）不同的促销方式是否对该类商品销量的增长有显著影响？ （2）若有显著影响，哪种促销方式效果最好？ （3）是否任意两种促销方式的效果之间都存在显著差异？ 掌握以上信息对该公司制定今后的最佳销售策略，有非常重要的意义？ 8.1 单因素方差分析 方差分析(Analysis of Variances, 简记为ANOVA）可以一次对多个总体完成均值是否相同的检验。 我们先讨论单因素方差分析 8.1.1 问题的提法 设对于s个不同的技术方案，分别进行了ns个实验来检验其效果，记方案i的第j个实验的结果为xij，问题是：如何判别这些方案的效果之间是否存在显著区别？ 从统计的观点只需要检验各方案的平均效果??i之间是否存在显著区别即可。 单因素方差分析的数据通常可以采用如下的表格方式列出 xsns …… xs2 xs1 方案s x2n2 …… x22 x21 方案2 …… …… …… …… …… x1n1 …… x12 x11 方案1 实验效果 单因素方差分析虽然起源于对技术方案的评价，但现在它也被用来解决许多具有不同的实际背景的问题。 例如 方案 政策、设备、方法、药品、工艺、原料…… 实验 调查、检验、观察、检查、测试…… 所谓“单因素”，就是指分析中只有“方案”这个单一的因素（变量），不同的方案，就是“方案”这一变量的不同取值。这些不同的取值也可以认为是“方案”这个因素的不同水平。 xsns …… xs2 xs1 方案s x2n2 …… x22 x21 方案2 …… …… …… …… …… x1n1 …… x12 x11 方案1 实验效果 因素或变量的不同取值或水平 对应同一水平的不同观察值或样本值 xij, 下标i对应单一因素的第i个水平，下标j对应第j个样本观察值 8.1.2 理论假设与分析 假设这s个方案的总体都服从正态分布：N(??i, σ2), 这意味着这些总体都有相同的方差，但均值可能互不相同。 ??1 ??2 ??3 随机样本Xij，可以看成各个方案的总体均值??i与随机误差εij之和: 其中εij ~ N(0, σ2), 并且如果对不同方案进行的不同实验都是独立进行的话， εij之间也是相互独立的。 如果表示实验效果的数据都是一元的，则称上述模型为单因素（一元）方差分析的统计模型。相应地，若表示效果的实验数据是多元的，就称为单因素多元模型。 εij ??i Xij 上述模型中的随机误差可以表示为： 但我们并不能观察到总体的均值??i，在实际应用时，可以通过样本均值 来估计它，也就是用 来估计（观察）真实的误差εij 。 xsns …… xs2 xs1 方案s x2n2 …… x22 x21 方案2 …… …… …… …… …… x1n1 …… x12 x11 方案1 实验效果 样本均值—组内平均（第2组）： 样本总平均： 总平均： 方案i的主效应： 由单因素的方差分析模型 和上式，有 即Xij可以表示为总平均、方案i的主效应与随机项之和。 由各方案的主效应的表达式知，若对于所有的i都有ai = 0，则各方案的均值相同（都等于??）。 所以单因素方差分析的基本任务就是检验如下的假设： 原假设 H0：ai = 0 或 ??1= ??2=…= ??s 备择假设 H１：ai 不全为 0 或 ??1，??2，… ??s中　　　　　　　至少有两个不相等 单因素方差模型构成表 随机扰动 主效应（行稳定中心??i与全局中心??的偏差） 全局稳定中心 ai(= ??i - ??) ?? εij (服从 N(0, σ2)) ??i （行稳定中心）的构成 Ｘij的构成 8.1.3 实际作法 按照Xij的构成： 可以看到Xij与总的平均水平??的偏差由两部分构成: 通常用Xij与总的平均水平??的偏差的平方和, 来反映各Xij与总平均水平的整体波动, 记为ST。但??与??i是观察不到的，所以用相应的样本观察值代替，并且用 代替真实的误差εij 。因此 可以证明如下的平方和分解公式： 也就是总的偏差（波动）可分解为 组间变差——各方案效果差别导致的偏差