西安电子科技大学经济管理学院应用统计学课件第八章 方差分析.pptVIP

方差分析 方差分析的概念 单因素方差分析 有交互作用的双因素方差分析 无交互作用的双因素方差分析 例：某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等可能影响销售量的因素全部相同。现从地理位置相似、经营规模相仿的五家超级市场上收集了前一时期该饮料的销售情况，见下表，试分析饮料的颜色是否对销售量产生影响。 5.总体：因素的每一个水平可以看作是一个总体。 上例中A1、A2、A3、 A4四种颜色可以看作是四个总体。 6.样本数据：上面的数据可以看作是从这四个总体中抽取的样本数据。 三、方差分析的基本思想 比较两类误差 以检验均值是否相等 随机误差和系统误差 组间方差：因素的不同水平(不同总体)下各样本之间的方差 比如，A1、A2、A3、A4四种颜色饮料销售量之间的方差。组间方差既包括随机误差，也包括系统误差。 方差的比较 如果不同颜色(水平)对销售量(结果)没有影响，那么在组间方差中只包含有随机误差，而没有系统误差。这时，组间方差与组内方差就应该很接近，两个方差的比值就会接近1。 如果不同的水平对结果有影响，在组间方差中除了包含随机误差外，还会包含有系统误差，这时组间方差就会大于组内方差，组间方差与组内方差的比值就会大于1。 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异。 四、基本假定 1.每个总体都应服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本 比如，每种颜色饮料的销售量必须服从正态分布 2.各个总体的方差必须相同 对于各组观察数据，是从具有相同方差的总体中抽取的。 比如，四种颜色饮料的销售量的方差都相同。 观察值是独立的。 比如，每个超市的销售量都与其他超市的销售量独立。 五、方差分析的原理 在上述假定条件下，判断颜色对销售量是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等的问题。 如果四个总体的均值相等，可以期望四个样本的均值也会很接近。 四个样本的均值越接近，我们推断四个总体均值相等的证据也就越充分。 样本均值越不同，我们推断总体均值不同的证据就越充分。 如果原假设成立，即H0: ?1 = ?2 = ?3 = ?4 四种颜色饮料销售的均值都相等 没有系统误差 这意味着每个样本都来自均值为??、方差为?2的同一正态总体 如果备择假设成立，即H1: ?i (i=1，2，3，4)不全相等 至少有一个总体的均值是不同的 有系统误差 这意味着四个样本分别来自均值不同的四个正态总体 。 六、方差的分解 样本数据的波动有两个来源：一个是随机波动；一个是因子影响。样本数据的波动，可通过离差平方和来反映。这个离差平方和可分解为组间方差与组内方差两部份。即 总离差平方和=组间离差平方和+组内离差平方和 组间方差反映出不同的因子对样本波动的影响；组内方差则是不考虑组间方差的纯随机影响。 如果组间方差明显高于组内方差，说明样本数据波动的主要来源是组间方差，因子是引起波动的主要原因，可认为因子对实验的结果存在显著的影响； 反之，如果波动的主要部分来自组内方差，则因子的影响就不明显，没有充足理由认为因子对实验或抽样的结果有显著作用。 七、检验统计量 1、自由度：产生方差的独立变量的个数，称做自由度。 2、均方差：方差除以独立变量个数即自由度。 3、检验因子影响是否显著的统计量. F统计量越大，越说明组间方差是主要的方差来源，因子影响是显著的；F越小，越说明随机方差是主要的方差来源，因子的影响不显著。 第二节 单因素方差分析 一、单因素方差分析的步骤 二、单因素方差分析中的其它问题 单因素方差分析的步骤 （一）提出假设 （二）构造检验统计量 （三）统计决策 （一）提出假设 一般提法 H0: ?1 = ? 2 =…= ? r (因素有r个水平） H1: ? 1 ， ? 2 ，… ， ? r不全相等 对前面的例子提出假设 H0: ? 1 = ? 2 = ? 3 = ? 4（颜色对销售量没有影响） H0: ? 1 ， ? 2 ， ? 3， ? 4不全相等（颜色对销售量有影响） （二）构造检验统计量 为检验H0是否成立，需确定检验的统计量 —F统计量 构造检验统计量需要计算 1、水平的均值 2、全部观察值的总均值 3、离差平方和 4、均方(MS) SST是全部观察值 与总平均值的离差平方和，反映全部观察值的离散状况。 其计算公式为： SST反映了全部数据总的误差程度。 SSA（组间离差平方和） SSA既包括随机误差，也包括系统误差，反映的是随机误差和系统误差的大小