控制变量的交互作用.pptVIP

练习 某教学实验中，采用不同的教学方法和不同的教材进行教学实验，获得一系列数据，现在分析不同教学方法和不同教材对教改成绩的影响，数据附在文件夹教改成绩.sav。要求：进行均值的多重比较，方法选用LSD法，得出教改成绩多因素方差分析的饱和模型表和非饱和模型表，并得出教学方法和教材的交互作用图。 第四节 协方差分析 问题引出： 在分析不同的饲料对生猪增重是否产生显著差异时，如果仅仅是分析饲料的作用，即用单因素方差分析来进行，而不考虑生猪自身各自不同的身体条件（比如猪最初时的体重）时，得出的结论很可能是片面的，不准确的。这时，如何才能准确地反映不同饲料对生猪体重的影响呢？ 协方差分析的基本思路 协方差分析的数学模型 协方差分析的基本操作 协方差分析的应用举例 本节主要内容 协方差分析的基本思路 基本概念 协方差分析是指将那些很难人为控制的控制因素作为协变量，并在排除协变量对观测变量影响的条件下，分析控制变量对观测变量的作用，从而更加准确地对控制变量进行评价。 基本同方差分析的基本思想，除此之外，考虑了协变量的影响，认为观察变量的变化受四个方面的影响：即控制变量的独立作用，控制变量的交互作用，协变量的作用和随机因素的作用，并在扣除协变量的影响后，再分析控制变量对观测变量的影响。 协方差分析的基本思想 方差分析中的零假设是：协变量对观测变量的线性影响不显著；在协变量影响扣除的条件下，控制变量各水平下观测变量的总体均值无显著差异，控制变量各水平对观测变量的效应同时为零。用F统计量进行检验。 协方差分析的数学模型 单因素协方差分析的数学模型是： 协方差分析的基本操作以生猪与饲料.sav为例 趋势检验 问题：分析不同地区的销售额总体上是否会随着地区人口密度的减少（地区编号大人口密度低）而呈现某种变化趋势（ 先验对比检验 所有系数之和为0 在多重比较分析后得知宣传品广告效果最差，其余略有差异（先验的结论）。这里可以对报纸、广播和体验的整体效果进行进一步的对比分析。 单因素方差分析应用举例的进一步分析以广告城市与销售额.sav为例 不同广告形式下销售额总体方差齐性检验 因为P值大于0.05，所以不能拒绝原假设，即认为方差齐性 多重比较检验（分析哪种广告形式作用明显） 广告形式多重比较检验的相似性子集 此方法在相似性子集划分中用得最多 趋势检验（分析销售额是否会随着地区 人口密度减少而呈现出某种趋势） 因为F值对应的概率P值小于0.05，所以拒绝原假设，即认为地区和销售额之间不是零线性相关 先验对比检验 因为T值对应的概率P值大于0.05，所以不能拒绝原假设，即认为报纸广告的效果与广播、体验的总体效果没有显著差异 练习 对四个服务行业的服务质量进行评价，较高得分表示较高的服务质量。对航空公司、零售业、旅馆业和汽车制造业进行的评定数据见四种不同行业评价得分.sav。在显著性水平=0.05下，检验四种行业质量等级的总体均值是否差异显著？你的结论如何？ 第三节 多因素方差分析 在上一节课，我们已经研究了不同广告形式对产品销售有显著影响，不同地区的产品销售额也存在显著差异，然而，不同广告形式和不同地区的搭配是否会对销售额产生影响呢？而哪种搭配方式又可以获得最理想的销售业绩呢？ 问题引出 本节主要内容 多因素方差分析的基本思想 多因素方差分析的数学模型 多因素方差分析的基本步骤 多因素方差分析的基本操作 多因素方差分析的应用举例 多因素方差分析的进一步分析及应用 多因素方差分析的基本思想 多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。它不仅能分析多个因素对观测变量的独立影响，更能够分析多个控制因素的交互作用能否对观测变量的分布产生显著影响，进而找到有利于观测变量的最优组合。 概念 确定观测变量和若干个控制变量 剖析观测变量的方差 比较观测变量总离差平方和和各部分所占的比例 基本思想 剖析观测变量的方差 第一，控制变量独立作用的影响 第二，控制变量交互作用的影响 第三，随机因素的影响 多因素方差分析的数学模型 设控制变量A有k个水平，B有r个水平，每个交叉水平下均有l个样本，则在控制变量A的水平Ai和控制变量B的水平Bj下的第k个样本值 定义为： 多因素方差分析的饱和模型 多因素方差分析的基本步骤 提出零假设 选择检验统计量 固定效应模型 随机效应模型 计算检验统计量观测值和概率P值 给出显著性水平 ，并作出统计决策 （1）若FA的概率p ，则拒绝原假设，即认为控制变量A的不同水平对观测变量产生了显著影响。 （2）FB的概率p ，则