第七章方差分析.ppt

* * * * * * * * * * * * * * * * * * * 离差平方和 自由度 SST SSA SSB SSAB SSE mnr-1或者 “样本总数-1” m-1 n-1 (m-1)(n-1) mn(r-1) 或者 “样本总数-mn” 计算均方 MS 各离差平方和的大小与观察值的多少有关，为消除观察值多少的影响，需要将其平均，这就是方差。 计算方法是用离差平方和除以相应的自由度。 三个离差平方和的自由度分别是： SST的自由度为 mnr-1 SSA的自由度为 m-1 SSB的自由度为 n-1 SSAB的自由度为 (m-1)(n-1) SSE的自由度为:mn（r-1） 构造检验的统计量(计算均方 MS) 因素A的方差: 因素B的方差： 随机误差项的方差： 4、交互项的方差： 多因素方差分析的基本步骤 1，成立零假设 a1=a2=…=am=0; b1=b2=…=bn=0 (ab)11=(ab)12=…=(ab)mn=0 多因素方差分析的基本步骤 2,选择检验统计量 多因素方差分析的基本步骤 3,计算检验统计量观测值和概率p值 4，给出显著度水平α，并作出决策 2、双因素或多因素方差分析 anova edu urban girl urban|girl Anova的输出结果与 oneway的输出结果略有不同： 1、anova 提供R-squared（方差分析模型的R2）， Adj R-squared（调整后的R2 ）， Root MSE（均方根），Model（模型的方差分析）。这是因为，aova的方差分析采用线性模型的思路和方法来解的。R2的含义是自变量对因变量的解释能力。 2、Oneway提供组间、组内平方和，anova提供的组间和组内平方和是部分平方和（ Partial SS，即partial sum of squares）。PSS是一个自变量相对于其他所有自变量而言对因变量有条件的贡献。这里有两个自变量，urban和girl，故urban的分析结果是在控制了girl的基础上得出的，反之亦然。 anova y a b a|b anova y a b c a|b a|c b|c a|b|c * * * * * * * * * * * * * * * * * * * * * * 3（3）计算组间离差平方和 SSA 各组平均值 与总平均值 的离差平方和。 计算公式为： 前例的计算结果：SSA = 76.8455 4、计算平均离差平方和 MS MSA计算公式为: MSE计算公式为: （三）计算检验的统计量 F 将MSA和MSE进行对比，即得到所需要的检验统计量F 计算公式为： F分布与拒绝域 如果均值相等，F=MSA/MSE?1 a F 分布 F?(k-1,n-k) 0 拒绝H0 不能拒绝H0 F 不同自由度df1和df2的F 分布曲线如图 F(8,?) F(8,50) F(8,10) F(8,4) F(df1,df2 ) 统计决策 将统计量的值F与给定的显著性水平?的临界值F?进行比较，作出接受或拒绝原假设H0的决策 根据给定的显著性水平?，在F分布表中查找与第一自由度df1＝k-1、第二自由度df2=n-k 相应的临界值 F? 若FF? ，则拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的因素(A)对观察值有显著影响 若F?F? ，则不能拒绝原假设H0 ，表明所检验的因素(A)对观察值没有显著影响 单因素方差分析表(基本结构) 离差平方和 来源 平方和SS 自由度 df 均方 MS F 值 组间(因素影响) 组内(误差) 总和 SSA SSE SST k-1 n-k n-1 MSA MSE MSA MSE 1、单因素方差分析 单因素方差分析的进一步分析：方差齐性检验与多重比较检验 方差分析输出表格下方有这样一行话：bartletts test for equal variances:chi2(2)=16.0523 probchis=0.000 scheffe ：采用Scheffe 的方法，提供多重组间比较结果。 多因素方差分析 多因素方差分析一. 双因素方差分析的基本问题二. 双因素方差分析的数据结构三、双因素方差分析的步骤四、一个应用实例 多因素方差分析 两个以上控制变量对观测变量是否产生显著影响； 不仅能够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，进而最终找到利于观测变量的最优组合。 两个控制变量的饱和模型 SST=SSA+SSB+SSAB+SSE 三个控制变量的饱和模型