第三章均值向量和协方差阵检验1.ppt

* * § 3.1.2 两个正态总体均值向量检验 * * §3.1.2 两个正态总体均值向量检验 * * §3.1.3 多个正态总体均值向量检验 * * §3.2 协方差阵的检验 上面讨论了多元正态分布均值的检验。但这仅仅研究了问题的一个方面，倘若要进一步深究不同总体的平均水平（均值）波动的幅度，前面介绍的方法就无能为力了。本节所介绍的协方差阵的检验可以解决该类问题 * §3.2.1 检验 是样本协方差阵，关于统计量M的推证过程见参考书。 检验统计量为 * * §3.2.1 检验 其中 * * §3.2.2 检验 上面讨论的检验 ，是帮助我们分析当前的波动幅度与过去的波动情形有无显著差异。但在实际问题中，我们往往面临多个总体，需要了解这多个总体之间的波动幅度有无明显的差异。例如在研究职工工资构成时，若按工业行业分组，就有采掘业、制造业、文化教育、金融保险等，不同行业间工资总额的构成存在波动，研究波动是否存在显著的差异，就是做行业间协方差阵相等性的检验。用统计理论来描述就是： 设有r个总体，从各个总体中抽取样品如下： * §3.2.2 检验 * * §3.2.2 检验 当 不大且 时,本书附表4中列出了M 的上 分位点;若 较大且 互不相当时,附表4中未列出它们对应的临界值,此时可用F分布去近似,M 近似遵从 ,记作 M≈ (3.5) * * §3.2.2 检验 其中 二、方差分析的内容 1、类型： 依据涉及的分析变量多少分为：一元方差分析、多元方差分析 依据对分析变量的影响因素的数量分为：单因素方差分析、多因素方差分析 2、分析步骤： （1）建立检验假设； ????? H0：多个样本总体均数相等。 ????? H1：多个样本总体均数不相等或不全等。 （2）确定检验统计量； （3）给定显著水平； （3）计算统计量、确定P值并作出推断结果。 单因素方差分析 一、单因素方差分析概念： 分析某一个因素A的不同水平是否对观测变量Y产生了显著影响。 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 : 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市上收集了该种饮料的销售情况。 问题：饮料的颜色是否对销售量产生影响？ 其中：饮料的颜色即是影响因素（控制因素、变量） 销售量是观测变量。 在其他条件相同的情况下，上述问题就归结为一个检验问题，即： 差异的产生来自两个方面： ???一方面是由不同颜色的差异造成的，既不同的饮料颜色对销售量产生了影响。用‘组间方差’表示 另一方面是由于抽选样本的随机性而产生的差异，即各颜色内的随机误差，如相同颜色的饮料在不同的商场销售量也不同。用‘组内方差’表示。 Spss 选项： Analyze — Compare Mean — One-Way ANOVA （一元单因素方差分析） SPSS 输出结果： 可看出F值为10.486，P值是0.000。推断零假设不成立。表明颜色不同饮料的销量也不同。 如何用SPSS对方差分析的‘方差相等’要求进行判定？（因正态分布的要求不是很严格 ，分析忽略） Spss 选项：在 One-Way ANOVA 中选择Option ，选定 Homogeneity-of –variance 进一步考察： 究竟是哪一个水平对观察变量产生了显著影响，即那种颜色的饮料对销售量有显著影响？ 运用单因素方差分析的多重比较检验SPSS窗口中Post Hoc选项进行选择。 例：考察汉族、藏族、蒙古族三个民族的人均收入水平 INC、15岁及以上人口上学或毕业比例 EDU是否有差异。（多元单因素分析问题） 需考察的影响因素为：民族 观测变量为：INC和EDU SPSS处理：Analyze— General Linear Model — Multivariate 人均收入、教育比例→Dependent Variables 民族 → Fixed Factors 结果： 结果分析：三个民族的人均收入、受教育比例有显著差异。 双因素、多因素方差分析 一、基本思想研究两个或两个以上因素（控制变量）是否对观测变量产生显著性影响。 如：饮料销售，除了关心饮料颜色之外，还想了解销售地区、销售策略是否影响销售量？ 若把饮料的颜色看作影响销售量的因素A，饮料的销售地区看作影响因素B，销售策略看作影响因素C。对因素A和因素