第十三章---方检验与方差分析.pptx

第十三章 卡方检验与方差分析 ;第一节 拟合优度检验;1．问题的导出;2．拟合优度检验(比率拟合检验);拟合优度检验如何进行? ;结论：;3．正态拟合检验;[解] ;第二节 无关联性检验;1、独立性、理论频数及自由度;2．关于频数比较和连续性修正;3．列联表的卡方分解;第三节 方差分析;1．总变差及其分解;总变差分解;可以看出，总变差分解成两部分： 第一部分是各观测值 对其所属类别均值 的偏差的平方和，称为组内变差(Within-groups Sum of Squares)，记作SSW。组内变差反映了数据围绕各“中心”的散布程度，即反映了 因随机波动所产生的变异，与自变量因素无关。换言之,SSW是自变量因素所没有解释的 的变异。因此，又称之为残差。 第二部分是组间平方和 (Between-groups Sum of Squares)，记作SSB ，它涉及到诸类别均值 对总均值 的偏差，反映了前表中数据的c个“中心”的散布程度。;2．关于自由度;组间平方和代表c个样本均值对总均值的偏差。也就是每个可看作为一个单位，c个可看作为c个单位，有c个自由度，求用去一个自由度。因而，与组间平方和相联系的自由度为c―1。再看组内平方和，计算时每列失去一个自由度。因而，与组内平方和相联系的自由度为n―c。最后看总平方和，计算总均值时失去一个自由度。因而，与总平方和相联系的自由度为n―l。总的来看有:;上式是在在零假设(H0：μ1＝μ2＝…＝μc)之下，检验统计量Fo的计算公式。 理论证明：上式服从分子自由度为k1＝c―1、分母自由度为k2＝（n―c）的F分布。于是，给定显著性水平α，我们就可以很方便地从F分布表中查到临界值Fα(c―1，n―c)。如果出现Fo＞Fα的情况，我们将在这个显著性水平上拒绝零假设。在实际运用中，方差分析的结果常用一种称为“方差分析表”的标准形式的表格表示出来，其基本形式如表后所示。;3．关于检验统计量Fo的计算;[例] 试对下表中的资料，计算SST 、SSW、SSB ，并检验μ1＝μ2＝μ3的零假设(α取0．05)。;解：据题意，n1＝n2＝n3＝8，n1+ n2+ n3＝24 组内自由度＝n―c＝24―3＝21 组间自由度＝c―1＝3―1＝2 分别计算SST和SSB ，计算过程参见下表。;由于α＝0．05，查F分布表得临界值 ： Fα(c―1，n―c)＝F 0.05 (2，21)＝3．47＞1．19 故在0.05显著性水平上不否定零假设，即没有充分根据提出这三类家庭的孩子在图书消费方面有显著不同。 ;当方差分析的检验呈显著性后，进一步讨论两变量间的相关程度是很自然的。方 差分析中相关程度的测定仍采用PRE法。当不知因变量Y 的取值与自变量X 的取值 A1，A2，…，A c有关时，最好的预测是以总均值 作为Y 的估计值。此时，估计所 犯的错误将等于SST;[例] 试以表13．12的资料，分析孩子图书消费与家庭类型的关系。解: 据前面例题中已计算的结果，已知SSB＝28，SST＝276，因而有;小结：;5．关于方差分析的几点讨论;第三，方差分析中的自变量X如果是二分变量，也可以采用均值差t检验。在这种情况下，F 的分子自由度是2―1＝1，分母自由度是n―2，这与均值差检验中的t相同。经过计算可知，具有自由度n―2的t 2值等于具有分子自由度为1和分母自由度为n―2的F 值。比较F 表和t 表也可以核实这一点。换言之，t是分子自由度为l的F 的平方根。这当然意味着，对于样本而言，此时不论采用方差分析或均值差检验，其结果完全相同。 第四，本节集中讨论了自变量为一个定类变量而因变量为一个定距变量的情况。如果对因变量Y影响的自变量由一个变为两个以上，我们就将面对多元方差分析了。总变差分解的思想可以直接推广至多因素显著性检验。例如就两个自变量（A和B）独立对因变量Y 影响的情况，可以得到下述方差分析表(表13．17)。;第四节 回归方程与相关系数的检验;做了回归预测之后．我们可以用Yc估计Y (参见下图)。这时 估计Y 的误差变为E1(剩余变差): ;显然，利用Yc去估计Y 比用去 估计Y 要消减一些误差。 消减的误差E0―E1就是被回归直线解释掉的误差(回归变差).;自由度问题 ;2．积差系数的检验 ;那么判断线性相关的“显著”与“不显著”的检验统计量如何构造呢? ;而且当ρ＝0时，样本容量越大，r（显然为一随机变量）的抽样分布越接近于自由度为n―2的t分布（见前图）。因而有检验统计量 :;例: 已对表12．21所示资料求出积差系数，试在0.05显著性水平上作