第10章 方差分析.pptVIP

第 10 章 方差分析 第1节 方差分析的引论 第2节 单因素方差分析 第3节 双因素方差分析 一、教学目标与要求 理解方差分析的基本思想和原理；掌握单因素方差分析的方法及应用；掌握多重比较的意义和应用；了解双因素方差分析的方法及应用。 二、教学重点与难点 教学重点：方差分析的基本思想和原理；单因素方差分析的方法及应用；多重比较的意义和应用。 教学难点：方差分析的基本思想；构造检验统计量；双因素方差分析的方法及应用。 三、教学过程与内容 第1节 方差分析引论 一、方差分析及其有关术语 二、方差分析的基本思想和原理 三、方差分析的基本假定 四、问题的一般提法 一、方差分析及其有关术语 1、什么是方差分析 方差分析是20世纪20年代发展起来的一种统计方法，它被广泛应用于分析心理学、生物学、工程和医药的试验数据。 方差分析：是检验多个总体均值是否相等的统计方法。本质上是研究数量之间的关系。它主要研究分类型自变量对数值型因变量的影响。 常见的有单因素方差分析和双因素方差分析 单因素方差分析：研究一个分类型自变量与数值型因变量之间关系。 双因素方差分析：研究两个分类型自变量与数值型因变量之间关系。 2、引例（【例10.1】） 消费者协会想知道这个行业之间的服务质量是否有显著差异； 即分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响； 作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等； 如果它们的均值相等，就意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异； 如果均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异。 3、方差分析中的有关术语 1）因素或因子(factor)：所要检验的对象。 如上例中要分析行业对投诉次数是否有影响，行业是要检验的因素或因子 2）水平或处理(treatment)：因子的不同表现。 如上例中零售业、旅游业、航空公司、家电制造业就是因子的水平 3）观察值：在每个因素水平下得到的样本值。 如上例中每个行业被投诉的次数就是观察值 二、方差分析的基本思想和原理 从散点图上可以看出: 1）不同行业被投诉的次数是有明显差异的; 即使是在同一个行业，不同企业被投诉的次数也明显不同. 如：家电制造也被投诉的次数较高，航空公司被投诉的次数较低。 2）行业与被投诉次数之间有一定的关系； 如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该很接近。 3）同行业被投诉的次数之间有显著差异； 这种差异也可能是由于抽样的随机性所造成的 4）需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析。 之所以叫方差分析，因为虽然我们感兴趣的是均值，但在判断均值之间是否有差异时则需要借助于方差 这个名字也表示：它是通过对数据误差来源的分析判断不同总体的均值是否相等。因此，进行方差分析时，需要考察数据误差的来源。 2、数据误差来源的分析 两类误差 1）随机误差 因素的同一水平下，样本各观察值之间的差异； 这种差异可以看成是随机因素的影响，称为随机误差 比如，同一行业下不同企业被投诉次数的差异。 2）系统误差 因素的不同水平（不同总体）下各观察值之间的差异。 比如，不同行业之间的被投诉次数之间的差异 这种差异可能是由于抽样的随机性所造成的，也能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差。 3、方差分析的基本思想和原理 1）比较两类误差，以检验均值是否相等； 2）比较的基础是方差比； 3）如果系统误差显著地不同于随机误差，则均值就是不相等的，反之，均值就是相等的； 4）误差是由各部分的误差占总误差的比例来测度的。 4、方差分析中的两类方差 数据的误差用平方和(sum of squares)表示，称为方差 1）组内方差(SSE)：因素的同一水平(同一个总体)下样本数据的方差； 比如，零售业被投诉次数的方差 显然，组内方差只包含随机误差。 2）组间方差(SSA)：因素的不同水平(不同总体)下各样本之间的方差。 比如，四个行业被投诉次数之间的方差 注意：组间方差既包括随机误差，也包括系统误差 3)总误差(SST)：全部数据的误差 5、方差分析中方差的比较 1）若不同行业对投诉次数没有影响，则组间误差中只包含随机误差，而没有系统误差。这时，组间误差与组内误差经过平均后的数值就应该很接近，它们的比值就会接近1； 2）若不同行业对投诉次数