常见的第九章 方差分析与实验设计.ppt

第九章 方差分析与实验设计 因素(或因子factor):检验对象 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 ? 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 ?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 设因素有k个水平，每个水平的均值分别用?1、?2、?、?k 表示 要检验k个水平(总体)的均值是否相等，需要提出如下假设： H0: ?1 ? ?2 ? …? ?k H1: ?1 , ?2 , ?，?k 不全相等 设?1为零售业被投诉次数的均值，?2为旅游业被投诉次数的均值，?3为航空公司被投诉次数的均值，?4为家电制造业被投诉次数的均值，提出的假设为 H0: ?1 ? ?2 ? ?3 ? ?4 H1: ?1 , ?2 , ?3 , ?4 不全相等 §9.2 单因素方差分析 (one-way analysis of variance) §9.3 双因素方差分析（two-wayanalysis of variance) §10.4 实验设计初步 无重复双因素方差分析（two-factor without replication) , 无交互作用（interaction)的双因素方差分析： 两个因素相互独立，如本例中的“地区”和“品牌” 可重复双因素方差分析（two-factor witht replication) , 两个因素之间相互作用可对数值变量产生影响。 二、无交互作用的双因素方差分析 1、数据结构 表9-8 双因素方差分析的数据结构 二、分析步骤 1、提出假设 行因素提出假设： 行因素对因变量没有显著性影响 不全相等，行因素对因变量有显著影响 列因素提出假设： 列因素对因变量没有显著性影响 不全相等，列因素对因变量有显著影响 2、构造检验统计量 行因素产生误差平方和： 列因素产生误差平方和： 随机误差平方和： 计算均方 行因素均方： 列因素均方： 随机误差均方： 行因素检验统计量： 列因素检验统计量： （3） 统计决策 若 ，则拒绝原假设，表明行因素 之间差异显著，即行因素对观测值有显著性影响。 若 ，则拒绝原假设，表明列因素 之间差异显著，即行因素对观测值有显著性影响。 表9-9 双因素方差分析表 例9.4.根据例9.3种数据，分析品牌和地区对销售 量是否有显著性影响 解： 结 果 分 析 根据计算可知，可因素及品牌对销售量有显著性 影响，而列因素及地区因素对销售量得影响不显著。 3、关系强度的测定 多重判定系数： 上例中： 表明品牌因素和地区因素总共揭示了销售量差异的83.94%，其他因素之揭示了销售量差异的16.06%，而R=0.916 2，表明品牌和地区两个因素和起来与销售量之间有较强的关系。 表9-11 品牌与销售量的单因素方差分析表 表9-11 地区与销售量的单因素方差分析表 三、有交互作用的双因素方差分析 【例 9.5 】 城市道路交通管理部本为研究不同路段和不同时间段对行车时间的影响，让一名交通警察分别在两个路段的高峰期与非高峰期亲自轿车进行试验，通过试验共获得20个行车时间（单位：分钟）的数据，如表10-13所示。试分析路段、时段、及路段和时段的交互作用对行车时间的影响（a=0.05） 表9-13 表9-14 有交互作用的双因素方差分析表的结构 * * §9.4 实验设计初步 §9.2 单因素方差分析 §9.3 双因素方差分析 §9.1 方差分析引论 §9.1 方差分析引论 一、方差分析及其有关术语 方差分析（analysis of variance ,ANOVA) ; 通过检验各总体均值是否相等来判断分类型自 变量对数值型因变量是否有显著影响。 【例】： 为了对几个行业的服务质量进行评价，消费者协会在零售业、旅游业、航空公司、家电制造业分别抽取了不同的企业作为样本，每个行业中抽取的这些企业，假定他们在服务对象、服务内容、企业规模等方面基本上是相同的。然后统计处最近一年消费者对总共23家企业投诉的次数，结果如表10-1 表9-1 消费者对四个行业的投诉次数 问题：四个行业之间服务质量是否有显著性差