第6章方差分析与试验设计.ppt

第 6 章 方差分析与试验设计 第 6 章 方差分析与试验设计 6.1 方差分析的引论 6.2 单因素方差分析 6.3 双因素方差分析 6.4 试验设计初步（自学） 方差分析及其有关术语 在生产经营管理过程中，通常有很多因素会影响产品的质量、产量、销售量等指标。 如农作物的产量受品种、肥料、气候、雨水、光照、土壤、播种量等众多因素的影响； 产品销售量受品牌、质量、价格、促销手段、竞争产品、顾客偏好、季节、居民收入水平等众多因素的影响； 化工产品的得率受温度、压力、催化剂、原料配比等因素的影响。 因此需要了解： ⑴哪些因素会对所研究的指标产生显著影响； ⑵这些影响因素在什么状况下可以产生最好的结果。 方差分析就是解决这类问题的一种统计分析方法 某大型连锁超市为研究各种促销方式的效果，选择下属 4 个门店，分别采用不同促销方式，对包装食品各进行了4 个月的试验。 试验结果如下： 影响某化工厂化工产品得率的主要因素是反应温度和催化剂种类。 为研究产品的最优生产工艺，在其他条件不变的情况下，选择了四种温度和三种催化剂，在不同温度和催化剂的组合下各做了一次试验，测得结果如下： 化工产品得率试验(得率：%) 案例 2 要研究的问题 ⑴温度是否对该产品的得率有显著影响? 若有显著影响，应将温度控制在什么范围内可使得率最高? ⑵催化剂是否对该产品的得率有显著影响? 若有显著影响，哪种催化剂的效果最好？ ⑶温度和催化剂的不同组合是否对产品得率有显著影响？ 如有显著影响，哪种温度和催化剂的组合可使得率最高？ 什么是方差分析(ANOVA)?(analysis of variance) ANOVA 由英国统计学家R.A.Fisher首创，为纪念Fisher以F命名，故方差分析又称 F 检验 （F test）。用于推断多个总体均数有无差异 什么是方差分析(ANOVA)?(analysis of variance) 检验多个总体均值是否相等 通过分析数据的误差判断各总体均值是否相等 研究分类型自变量对数值型因变量的影响 一个或多个分类尺度的自变量 两个或多个 (k 个) 处理水平或分类 一个间隔或比率尺度的因变量 有单因素方差分析和双因素方差分析 单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量 什么是方差分析? (例题分析) 什么是方差分析? (例题分析) 分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响 作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等 若它们的均值相等，则意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；若均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异 方差分析中的有关术语 因素或因子(factor) 所要检验的对象 要分析行业对投诉次数是否有影响，行业是要检验的因素或因子 水平或处理(treatment) 因子的不同表现 零售业、旅游业、航空公司、家电制造业就是因子的水平 观察值 在每个因素水平下得到的样本数据 每个行业被投诉的次数就是观察值 方差分析中的有关术语 试验 这里只涉及一个因素，因此称为单因素四水平的试验 总体 因素的每一个水平可以看作是一个总体 比如零售业、旅游业、航空公司、家电制造业可以看作是四个总体 样本数据 被投诉次数可以看作是从这四个总体中抽取的样本数据 方差分析的基本思想和原理 方差分析的基本思想和原理(图形分析) 从散点图上可以看出 不同行业被投诉的次数是有明显差异的 同一个行业，不同企业被投诉的次数也明显不同 家电制造被投诉的次数较高，航空公司被投诉的次数较低 行业与被投诉次数之间有一定的关系 如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该很接近 方差分析的基本思想和原理(两类误差) 随机误差 因素的同一水平(总体)下，样本各观察值之间的差异 比如，同一行业下不同企业被投诉次数是不同的 这种差异可以看成是随机因素的影响，称为随机误差 系统误差 因素的不同水平(不同总体)下，各观察值之间的差异 比如，不同行业之间的被投诉次数之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 方差分析的基本思想和原理 仅从散点图上观察还不能提供充分的证据证明不同行业被投诉的次数之间有显著差异 这种差异也可能是由于抽样的随机性所造成的 需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析 所以叫方差分析，因为虽然我们感兴趣的是均值，但在判断均值之间是否有差异时则需要借助于方差 这个