第三章方李差分析.ppt

* * * * * 检验假设H01的拒绝域为 检验假设H02的拒绝域为 检验假设H03的拒绝域为 其中 为显著性水平， 或 为F分布的 上侧分位数。 越小，拒绝假设的把握越大，因子的显著性越高。 * 方差分析表 来源 平方和S 自由度f 均方和 V Ｆ比 显著性 A B AB e r-1 s-1 (r-1)(s-1) rs(m-1) ** * (*) T ST n-1 * 判断说明 ** : 高度显著 F F0.01 * : 显著 F0.05 F F0.01 (*): 一般显著 F0.1 F F0.05 否则，不显著 * x f(x) F 分布 F0.1 F0.05 F0.01 概率为0.01 概率为0.05 ** 概率为0.1 (*) * * 例3.3 SPSS ANALYZE General Linear Model Univariate * 1、方差分析表 Source Type III Sum of Squares df Mean Square F Sig. Corrected Model 330592.667(a) 11 30053.879 12.357 .000 Intercept 4528384.000 1 4528384.000 1861.830 .000 竞争者 108662.222 3 36220.741 14.892 .000 地区 174008.000 2 87004.000 35.771 .000 竞争者 * 地区 47922.444 6 7987.074 3.284 .017 Error 58373.333 24 2432.222 Total 4917350.000 36 Corrected Total 388966.000 35 Tests of Between-Subjects Effects Dependent Variable: Y 结论：竞争者和地区对超市的销售额对有高度显著影响，且两者的交互作用对销售额也有一般显著影响。 * 2、描述统计量 * * * 点击“Plots”按钮，在弹出的对话框中，将“竞争者”移到“Horizontal Axis”，将“地区”移到“Separate Lines”框中，然后点击“Add”按钮。如图 3、交互作用图 * 若三条线有很明显的交叉或延长后仍会有交叉，则交互作用显著；没有交叉，则交互作用不明显。 对于此例，可以判断交互作用显著 * 交互作用的图示 路段与时段对行车时间的影响 交互作用 无交互作用 行车时间 路段1 路段2 高峰期 非高峰期 行车时间 路段1 路段2 高峰期 非高峰期 若两条线有很明显的交叉或延长后仍会有交叉，则 交互作用显著；没有交叉，则交互作用不明显 * 协方差分析 * 什么是协方差分析 为了让研究成功，研究者必须控制其他无关的干扰变量。如，欲探讨不同的教学方法（控制变量）对学习成绩（观测变量）的影响，其中会影响学习成绩的变量可能会有自身的基础知识，故研究者需要控制、排除这种影响。如果忽视这些影响因素直接对资料进行分析，很可能得出错误结论。解决的方法就是将干扰变量作为一个自变量，统计分析中称为协变量（Covariate Variables），进行协方差分析。 协方差分析中，通常将那些很难控制的因素作为协变量，在排除协变量影响的条件下，分析控制变量对观测变量的影响，从而更准确地对控制变量进行分析 * 基本思想 与一般的方差分析相同，只是在分析时考虑了协变量的影响，认为指标的变动受到四个方面的影响，即因子的独立作用、因子的交互作用、随机误差的作用和协变量的作用。 检验统计量也是F统计量 * * * * * * * * * * * * * * * MSE 均方误差，在数理统计中指的是参数估计值与真实值之差平方的期望值 * * * 组间偏差平方和 SA ,SB: 反映了由于因子水平变化所引起的组平均与总平均的偏差平方和 一般是由条件因素引起的 剩余偏差平方和 Se : 一般是由除了条件因素引起的偏差以外的其它偶然因素引起的 * Ｆ统计量的构建 由于 ,且相互独立， 则: 由于 ，所以在 H01为真时: 由于 ，所以在 H02为真时: * H01，H02都成立时 * 在假设H01成立时 在假设H02成立时 ~ ~ * 检验假设H01的拒绝域为 检验假设H02的拒绝域为 其中 为显著性水平， 或