第七章 方差分析318.pptVIP

6、交互作用（Interaction） 如果一个因素的效应大小在另一个因素不同水平下明显不同，则称为两因素间存在交互作用。当存在交互作用时，单纯研究某个因素的作用是没有意义的，必须分另一个因素的不同水平研究该因素的作用大小。如果所有单元格内都至多只有一个元素，则交互作用无法测出。 * fhfh 若方差分析只针对一个因素进行，称为单因素方差分析。如果同时针对多个因素进行，称为多因素分析。在多因素方差分析中，双因素方差分析里最常见的。 * fhfh （二）用方差分析来检验假设有三个假定 1、各个水平的观察数据必须服从正态分布：在水平Ａi下的数据是来自正态总体的一个样本，i=1,2…,r。 2、方差相同或者叫方差齐性：r个正态总体的方差相等，即。 3、随机性：所有数据都相互独立。 * fhfh 方差分析中的基本假定 在上述假定条件下，判断行业对投诉次数是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等 如果四个总体的均值相等，可以期望四个样本的均值也会很接近 四个样本的均值越接近，推断四个总体均值相等的证据也就越充分 样本均值越不同，推断总体均值不同的证据就越充分 * fhfh 方差分析中基本假定 ? 如果原假设成立，即H0: m1 = m2 = m3 = m4 四个行业被投诉次数的均值都相等 意味着每个样本都来自均值为??、差为?2的同一正态总体 X f(X) ?1 ? ?2 ? ?3 ? ?4 * fhfh 方差分析中基本假定 ?若备择假设成立，即H1: mi (i=1，2，3，4)不全相等 至少有一个总体的均值是不同的 四个样本分别来自均值不同的四个正态总体 X f(X) ?3 ? ?1 ? ?2 ? ?4 * fhfh 二、方差分析的原理 方差分析的目的是要检验各个水平的均值μ1，μ2……μr 是否相等，实现这个目的的手段是通过方差的比较。 如果n个总体的均值相等，然希望三个样本的均值比较接近，事实上，n个样本的均值愈接近，就愈有证据得出结论：总体均值相等，反之，若n个样本均值的差异愈大，就得出结论，总体均值不相等。 样本均值变动性小→支持H0，样本均值变动性大→支持H1。 * fhfh 三、F分布 水平间方差（组间方差）和水平内方差（组内方差）之比是一个统计量，数理统计证明，这个统计量服从F分布。 F= * fhfh 第二节 单因素方差分析 一、建立假设 二、计算水平均值 三、计算离差平方和 四、计算平均平方 五、方差分析表 六、统计决策 七、应用实例 * fhfh 一、建立假设 方差分析的第一步是建立假设。以饮料颜色对销售量的影响为例，针对我们关心的问题提出原假设和备择假设。 H0：μ1=μ2=μ3=μ4 颜色对销售量没有影响 H1：μ1，μ2，μ3，μ4 不全相等，颜色对销售量有影响。 注意：拒绝原假设，只表明至少有两个总体的均值不相等，并不意味着所有的均值都不相等。 * fhfh 二、计算水平均值 令 表示第j种水平的样本均值，则 = 式中：xij为第j种水平下的第I个观察值； nj第j种水平的观察值个数。 计算总均值的一般表达式为： 总均值：是所有观察值的总和除以观察值的总数。 （注：各个样本容量相等） * fhfh 三、计算离差平方和 1、总离差平方和SST（Sum of Squares for Total） 2、误差项离差平方和（组内）SSE（Sum of Squares For Error） 3、水平项离差平方和（组间）SSA或SSb （Sum of Squares for factor A）或（bossom） * fhfh 构造检验的统计量(三个平方和的关系) ?总离差平方和(SST)、误差项离差平方和(SSE)、水平项离差平方和 (SSA) 之间的关系 SST = SSA + SSE * fhfh 构造检验的统计量(三个平方和的作用) 1.SST反映全部数据总的误差程度；SSE反映随机误差的大小；SSA反映随机误差和系统误差的大小 2.如果原假设成立，则表明没有系统误差，组间平方和SSA除以自由度后的均方与组内平方和SSE和除以自由度后的均方差异就不会太大；如果组间均方显著地大于组内均方，说明各水平(总体)之间的差异不仅有随机误差，还有系统误差 3.判断因素的水平是否对其观察值有影响，实际上就是比较组间方差与组内方差之间差异的大小 * fhfh 四、计算平均平方 用离差平方和除以自由度即可得到平均平方 SST、SSA、SSE之间的自由度也存在着如下的关系： n-r=