第八讲 方差分析.pptVIP

第四章 方 差 分 析;教学内容：;4.1 单因素方差分析的有关概念 4.1.1 单因素方差分析问题与模型 4.1.2 方差分析中的基本假定 4.1.3 方差分析中的多重比较;4.1.1 单因素方差分析问题与模型 1. 数学模型 进行单因素方差分析的数据结构如图4-1所示。;2.单因素方差分析的检验; 3. 方差分析表 SAS系统可输出如表4-1所示的方差分析表 表4-1 单因素方差分析表 利用方差分析表中的信息，就可以对因素各水平间的差异是否显著做出判断。通常根据F检验的p值，若p值 ? 拒绝原假设，若p值 ? 不能拒绝原假设。; 4.1.2 方差分析中的基本假定 方差分析中常用的基本假定是： ● 正态性：每个总体均服从正态分布，也就是说，对于每一个水平Ai，其观测值xi1, xi2,…,xini,是来自正态分布的简单随机样本。 ● 方差齐性：各总体的方差相同,即 ?12= ?22 =…= ?ni2。 ● 独立性：从每一总体中抽取的样本是相互独立的。 在SAS中，正态性可用第3章介绍的方法来验证，也可通过本章介绍的“残差的正态性检验”来验证，方差齐性可以在方差分析的过程进行验证，而独立性可由试验的随机化确定。;4.1.3 方差分析中的多重比较;4.2 使用SAS进行单因素方差分析 4.2.1 用INSIGHT作单因素方差分析 4.2.2 用“分析家”作单因素方差分析 4.2.3 用过程步进行单因素方差分析; 4.2.1 用INSIGHT作单因素方差分析 1. 实例 【例1】消费者与产品生产者、销售者或服务的提供者之间经常发生纠纷。当发生纠纷后，消费者常常会向消费者协会投诉。为了对几个行业的服务质量进行评价，消费者协会在零售业、旅游业、航空公司、家电制造业分别抽取了不同的企业作为样本。每个行业各抽取5家企业，所抽取的这些企业在服务对象、服务内容、企业规模等方面基本上是相同的。然后统计出最近一年中消费者对总共20家企业投诉的次数，结果如表4-2。;表4-2 消费者对四个行业的投诉次数 通常，受到投诉的次数越多，说明服务的 质量越差。消费者协会想知道这几个行业之间 的服务质量是否有显著差异，即在方差分析中 检验原假设： H0: 四个行业被投诉次数的均值相等。; 2. 分析步骤 将表4-2中数据整理成如图右所示结构的数据集，存放在s1中； 在INSIGHT模块中打开数据集s1；; 3. 结果分析 第一张表提供拟合模型的一般信息: 第二张表为列名型变量信息，即HANGYE为列名型的，有4个水平； 第三张表提供参数信息，并且约定，P_2、P_3、P_4、P_5分别为航空、家电、零售和旅游4个行业的标识变量（也称哑变量）。如右图所示。; 第四张表给出响应变量均值关于自变量不同水平的模型方程，如上图所示。其中，标识变量取值：; 运行结果输出多张表。其中第六张为方差分析表，如下图所示。 从方差分析表可看到检验的p值=0.04760.05（显著水平），所以拒绝原假设，即不同行业的消费者投诉次数有显著差异。 ; 4. 检验模型假定 为了验证残差为正态分布的假定，回到数据窗口。可以看到R_TOUSU（残差）和P_TOUSU（预测值）已加到数据集之中，下面用Distribufion(Y)来验证残差的正态性。; 4.2.2 用“分析家”作单因素方差分析 1. 分析步骤 在“分析家”中，打开数据集s1；; 4. 单击“Plots”按钮，可以选择图形类型，如选中“Types of plots”栏下的“Box--whisker plot(盒形图)”复选框，如右图 → OK → OK; 2. 结果分析 结果分为五个部分，其中第二部分(下图)就是经典的方差分析表。与INSIGHT结果相同。由于p值小于0.05（显著水平），模型是显著的，即行业因素对投诉指标有显著影响。; 第五部分是对方差齐性的假定检验，如下图所示。结果表明使用Levene‘s检验法的p值为0.63570.05，所以不同行业投诉次数观测结果的方差无显著差异。; 在分析家窗口的项目管理器中双击“Boxplot of TOUSU by HANGYE”选项，得到响应变量关于自变量各水平的盒形图如下图所示