2019年六西格玛培训讲义-方差与回规.pptVIP

本 章 目 标 1.理解方差分析的概念 2.知道方差分析解决什么样的问题 3.掌握单因素和多因素方差分析的原理 4.会利用Minitab对实际问题进行方差分析 5.能够对方差分析的结果作出解释 方差分析的引入(续一) 方差分析(ANOVA：analysis of variance)能够解决多个均值是否相等的检验问题。 方差分析的引入（续三） 方差分析实际上是用来 辨别各水平间的差别是否 超出了水平内正常误差的 程度 观察值之间的差异包括 系统性差异和随机性差异。 方差分析的引入(续四) 7.2 怎样得到F统计量 怎样得到F统计量 方差分析的前提 不同组样本的方差应相等或至少很接近 检验方差是否一致 在方差分析之前，我们可利用Minitab对数据作方差一致性检验 给出假设 因素是方差分析研究的对象，在这个例子里，两个变量分别是分支机构位置和员工素质测评分数，这里分支机构的位置就是一个因素，因素中的内容就称为水平。该因素中有三个水平，即机构的不同位置。学过第5章的知识后，我们可以给出下面的假设： 相关分析是研究事物的相互关系，测定它们联系的紧密程度，揭示其变化的具体形式和规律性的统计方法，是构造各种经济模型、进行结构分析、政策评价、预测和控制的重要工具。 相关系数的检验： 常见的可线性化的曲线回归方程： 常用的非线性函数的线性变换法 下面是我们常用的4种线性变换法，分别举例进行说明，其他的非线性方程也可以以此类推，得到相应的线性形式。 1.倒数变换。 例如：双曲线模型 令 ，将其代入得 2.半对数变换。 例如：对数函数 令 ，代入得 常用的非线性函数的线性变换法(续) 3.双对数变换。 例如：幂函数 两边取对数的变换得： 令 代入得： 4.多项式变换。 如二元二次多项式 令 代入得： 二. 多元线性回归模型的显著性检验 回归系数 b 的检验 1．提出假设。 H0： βj =0；H1： βj≠0 2.确定显著水平α。 3.计算回归系数的t 值。 式中, 是的标准差的估计值。 按下式计算： 　　　 式中， 是(X’X)-1的第 j 个对角线元素， S2 是随机误差项方差的估计值。 One-Way ANOVA PrinciplesOne-Way ANOVA的原理 One-Way ANOVA PrinciplesOne-Way ANOVA的原理 Example 1A: Minitab Session Window例1A： Minitab的对话窗口 Regression Analysis: Oxygen purity % versus Hydrocarbon % The regression equation is Oxygen purity % = 74.3 + 14.9 Hydrocarbon % Predictor Coef SE Coef T P Constant 74.283 1.593 46.62 0.000 Hydrocar 14.947 1.317 11.35 0.000 S = 1.087 R-Sq = 87.7% R-Sq(adj) = 87.1% Analysis of Variance Source DF SS MS F P Regression 1 152.13 152.13 128.86 0.000 Residual Error 18 21.25 1.18 Total 19 173.38 Coefficient of Determination -- R2测定系数-- R2定义 The coefficient of determination, R2 is the amount of the variation in y that is explained by the regression line. 测定系数，R2是由回归线代表y中变异数量 Influential Observations具有影响的数据点 Influential Observations are Observations that: 具有影响的数据点包括下列现象 1) lie outside of general pattern