统计学方差分析.pptVIP

单因素方差分析的基本分析只能判断因素变量是否对观测变量产生了显著影响。如果因素变量确实对观测变量产生了显著影响，进一步还应确定因素变量的不同水平对观测变量的影响程度如何，其中哪个水平的作用明显区别于其他水平，哪个水平的作用不显著的，等等。解决此问题的一类方法就是多重比较检验。 多重比较检验利用了全部观测变量值，实现了对各个水平下观测变量总体均值的逐对比较。由于多重比较检验问题也是假设检验问题，因此也遵循假设检验的基本步骤。 多重比较检验的原假设和备择假设分别是 ，多重比较检验构造检验统计量，因检验统计量构造的不同多重比较检验方法有很多种。 方差分析中的多重比较 方差分析的多重比较 方差分析的多重比较 原假设与备择假设 检验统计量 t统计量服从自由度为nT-r的t分布。 若 即 拒绝原假设 则 方差分析的多重比较-最小显著性差异法（least significant difference 简写为LSD ） 方差分析中的多重比较-最小显著性差异法 Fisher LSD法对两总体均值相等性检验方法中的总体方差估计替换为MSE，得出自由度为nT-r的t统计量，用于总体均值的多重比较。 方差分析的多重比较 方差分析的多重比较 四种颜色饮料销售量样本数据 超市 黄色 无色 粉色 绿色 1 2 3 4 5 27.9 25.1 28.5 24.2 26.5 26.5 28.7 25.1 29.1 27.2 31.2 28.3 30.8 27.9 29.6 30.8 29.6 32.4 31.7 32.8 均值 26.44 27.32 29.56 31.46 结论： 黄色与无色无显著差异；粉色与绿色无显著差异。 已知 查表得 计算得 方差分析的多重比较 方差分析的多重比较 双因素方差分析 某商品有五种不同的包装方式，在五个不同地区销售，现从每个地区随机抽取一个规模相同的超级市场，得到该商品不同包装的销售量资料如下表所示。现欲检验包装方式与销售地区对该商品销售量是否有显著影响。 tr bl 方式1 方式2 方式3 方式4 方式5 地区1 地区2 地区3 地区4 地区5 20 22 24 16 26 12 10 14 4 22 20 20 18 8 16 10 12 18 6 20 14 6 10 18 10 某商品不同地区不同包装的销售量 双因素方差分析是对不同处理及不同区组总体均值是否相等进行检验。 双因素方差分析 双因素方差分析 第一步：建立假设 第二步：计算样本均值和总样本值 第三步：计算离差平方和 第四步：计算均方值 第五步：计算F统计量 第六步：编制双因素方差分析表 第七步：做出统计决策 双因素方差分析 双因素方差分析 关于不同处理下的总体 关于不同区组下的总体 （包装方式之间销售量无差别） （包装方式之间销售量有差别） （地区之间销售量有差别） （地区之间销售量无差别） 不尽相等 不尽相等 双因素方差分析 双因素方差分析 tr bl 方式1 方式2 方式3 方式4 方式5 区组均值 地区1 地区2 地区3 地区4 地区5 20 22 24 16 26 12 10 14 4 22 20 20 18 8 16 10 12 18 6 20 14 6 10 18 10 15.2 14.0 16.8 10.4 18.8 处理均值 21.6 12.4 16.4 13.2 11.6 15.04 不同地区不同包装销售量的样本均值与总样本均值 双因素方差分析 双因素方差分析 组间平方和 区组平方和 组内平方和 总平方和 双因素方差分析 双因素方差分析 组内均方 区组均方 组间均方 双因素方差分析 服从分子自由度为 分母自由度为 的 分布。 双因素方差分析 服从分子自由度为 分母自由度为 的 分布。 双因素方差分析 双因素方差分析 方差 来源 平方和 SS 自由度 df 均方 MS F值 处理 区组 误差 总计 SSA SSBL SSE SST r-1 k-r (r-1)(k-1) nT-1 MSA MSBL MSE Ftr Fbl 双因素方差分析表 方差 来源 平方和 SS 自由度 df 均方 MS F值 处理 区组 误差 总计 335.36 199.36 346.24 880.96 4 4 16 24 83.84 49.84 21.64 3.874307 2.303142l 双因素方差分析 双因素方差分析 （