第一章-均值比较和方差分析.pptVIP

结果和讨论 Eg2. 两个独立样本的检验问题 分析下面两所高校大一学生的高考数学成绩之间是否存在显著性差异。 学 校 数学竞赛成绩 清华 129 118 109 89 84 119 109 86 119 北大 119 106 119 100 80 97 108 119 86 图 “独立样本 T 检验”对话框 对方差的检验 Eg3 配对样本的均值比较 研究一个班同学在参加了暑期数学、化学培训班后，学习成绩是否有显著变化。数据如表所示。 ID 数 学 1 数 学 2 化 学 1 化 学 2 1 99.00 98.00 100.00 90.00 2 88.00 89.00 45.00 99.00 3 79.00 80.00 56.00 70.00 4 59.00 78.00 67.00 78.00 5 54.00 78.00 78.00 88.00 6 89.00 89.00 87.00 88.00 7 79.00 87.00 89.00 87.00 8 56.00 76.00 97.00 98.00 9 89.00 56.00 76.00 98.00 10 99.00 76.00 100.00 99.00 11 23.00 89.00 89.00 89.00 12 89.00 89.00 89.00 98.00 13 70.00 99.00 89.00 88.00 14 50.00 89.00 98.00 99.00 15 67.00 88.00 78.00 87.00 16 78.00 98.00 78.00 87.00 17 89.00 78.00 89.00 88.00 18 56.00 89.00 68.00 79.00 ? 实现步骤 “分析|比较平均值|配对样本T检验” 图 “配对样本T检验”对话框 思考：某研究者为考察所喝咖啡的浓度是否会影响人们反应的快慢，从某大学一年级男生中随机抽取了15名学生，再随机分成三组。每一学生都要喝一杯咖啡，20分钟后测试每一被试的简单反应时间。三组所喝咖啡的浓度分别为：淡、中、浓，实验数据如下表所示，请问：咖啡浓度对反应速度有明显影响吗？ 2. 方差分析 被试号 淡 中 浓 1 150 160 145 2 160 155 130 3 165 170 140 4 155 145 150 5 160 160 130 这样的例子还有很多很多： 医学界研究几种药物对某种疾病的疗效； 农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响 不同分行之间，业绩的比较 采用两样本t检验方法实现，这样可以吗？ 产生的问题：犯第一类错误的概率明显增大 K个变量两两进行t检验，需要作N=k! ÷(2! ×(k-2)!)次，如果?为0.05，那么每次比较不犯第一类错误的概率为0.95。N次检验均不犯第一类错误的概率为0.95N，而犯第一类错误的概率为1-0.95N，远远大于设定的0.05 于是，对于咖啡的例子，我们可以考虑如下的检验 H0：μ1 = μ2=μ3 (注意其对立假设) H1：均值不全相等 ——这就是方差分析：由R.A.Fister发明的，用于两个及两个以上总体均值差别的显著性检验。 ——What？方差分析方法竟然不是比较方差？是分析均值？没错! 方差分析是检验多个总体均值是否相等一种方法。本质上是研究分类型自变量对数值型因变量的影响。 方差分析概念 因素(控制变量)：在方差分析中，所要检验的对象称为因素。其常为一个或多个离散型的分类变量。 水平：因素的不同类别或不同取值为因素的不同水平。因素的每一个水平可以看作一个整体。 观测值（观测变量）：在进行方差分析时，每个因素水平下得到的样本数据。 几个基本概念 受不同因素的影响，研究所得的数据会不同。造成结果差异的原因可分成两类：一类是不可控的随机因素的影响，这是人为很难控制的一类影响因素，称为随机变量；另一类是研究中人为施加的可控因素对结果的影响，称为控制变量。 可以对两个普通的班级分别使用两种不同的教学方法，一段时间后进行测试，就可以得到不同教学方法对教学效果的影响。同样，也可以使用不同的教材，分析其对教学效果的影响。 在影响教学效果的因素中，就有两类因素：一是人为可控制的变量，如教学的方法、教材的使用；还有一类是随机的变量，如学生接受知识的能力（这里指的是一个普通班级的学生接受知识能力，因此是随机的。在某些情况下，比如将学生按学习水平、能力分成高、中、低几个班级，在这时，学生接