实用统计方法.pptVIP

第四部分 实用统计方法 第十章 方差分析 第十一章 回归分析 第十二章 聚类分析 第十三章 判别分析 第十章 方差分析 §1．方差分析概述 §2．单因素方差分析的思想与原理 §3．多重比较 §4．双因素方差分析与多因素方差分析 思考题 §1．方差分析概述 通过试验来了解各种因素对试验结果的影响，从中找出有显著影响的因素，确定其合理搭配，使各种因素的联合影响效果最佳。 相关概念：试验指标，因素，水平 试验指标——试验结果的观察变量 因素——可控制的试验条件 水平——因素的不同状态 相关概念：交互作用（也称交互因素） 各因素间不同水平的搭配所产生的新的影响称为交互作用 交互作用的存在正是多因素方差分析与单因素方差分析的本质区别所在 §2．单因素方差分析的思想与原理 单因素方差分析的假设检验  单因素方差分析利用方差分析表进行  离差平方和分解式 SSA与SSE分别反映因素A的各水平与随机因素造成的试验指标的差异程度 统计量 例1的SPSS上机实现 数据输入时的组织情况 利用SPSS进行统计处理全过程 对输出结果实际意义的解释分析 §3．多重比较 不显著——选取成本最低或者风险最小的水平 显著——对各水平进行多重比较（即水平评估） 多重比较应注意的问题 各方法所适用的条件不尽相同 各方法的理论不同，结果可能存在差异 结合实际问题的背景与专业知识，作出决策 §4．双因素方差分析与多因素方差分析 实际情况——多个因素影响试验指标 抽样要求——进行相等次数的重复试验 较简单情形——双因素方差分析 双因素方差分析同样利用方差分析表进行 其中 SST=SSA+SSB+SSAXB+SSE SSA，SSB，SSAXB与SSE分别反映因素A，因素B，交互因素AXB与随机因素造成指标的差异程度 相应比值均服从F分布 结合软件使用，加入最后一列：各F值对应的P值 例2的SPSS上机实现 数据输入时的组织情况 利用SPSS进行统计处理全过程 对输出结果实际意义的解释分析 双因素方差分析的两点补充 如果根据专业知识可以确定交互作用不显著，仅须对各水平搭配进行一次试验，以节约抽样费用。此情形的统计分析称为无交互作用双因素方差分析。 因素间最优或较优水平搭配问题。这一问题比较复杂，应该根据双因素方差分析的结果来进作进一步分析。 思考题 所有问题均须独立上机实现 给出各问题的实际意义或可行性决策 设计一个问题调查并完成分析报告 第十一章 回归分析 §1．回归分析概述 §2．线性回归 §3．两个实例 §4．逐步回归分析 §5．曲线拟合 思考题  §1．回归分析概述 回归分析是研究变量间相关关系的最重要，最常用的统计方法，它建立回归模型 来研究回归方程的建立，解决预测与控制等实际问题。 相关概念：相关关系 函数关系 相关关系 最简单方法——绘制散点图 数学抽象 研究目的 回归分析的一般定义 回归分析的分类 自变量的个数：一元回归与多元回归 回归函数的形式：线性回归与非线性回归 §2．线性回归 回归方程的建立 回归方程的显著性检验 回归系数的显著性检验 预测与控制 1．回归方程的建立 2．回归方程的显著性检验 检验假设 两种方法：拟合优度检验与方差分析法 拟合优度检验 基本思想：将因变量Y的变化分解为自变量的线性影响与其它随机因素的影响两部分，通过比较它们的相对大小来判定自变量整体对Y的线性影响是否显著。 判定系数 实际检验时通常采用修正的判定系数 来更准确地反映回归方程的拟合效果。 方差分析法 3．回归系数的显著性检验 整体回归效果显著，并不意味着每个自变量的影响都是显著的，还必须利用T检验法，对每个自变量的作用进行检验 4．预测与控制 预测——给定自变量的观测值，确定Y的值及其取值范围，对Y进行预测。 控制——预测的反问题，已知Y在某个范围内取值，确定自变量的取值范围，对自变量实施控制。 §3．两个实例 输出结果的解释 回归方程的实际意义 输出结果的解释 回归方程存在的问题 §4．逐步回归分析 筛选变量的重要性 逐步回归的思想与“有出有入”过程 应用——例2的进一步分析 逐步回归分析的SPSS实现 实例的回归过程分析 回归方程的评价 回归方程的实际意义 §5．曲线拟合 曲线拟合是实现一元非线性回归的常用方法，进行曲线拟合时应先绘制散点图，然后结合专业知识，选取适宜