《管理统计学实验教程》第11章方差分析.ppt

1、基本概念 单因素方差分析用来研究一个控制变量的不同水平是否对观测变量产生了显著影响，也称一维方差分析。这里，由于仅研究单个因素对观测变量的影响。例如：分析不同施肥量是否给农作物产量带来显著影响；研究不同学历对工资收入的影响等。 实验一 单因素方差分析【例11-1】 评价不同行业的服务质量，消费者协会分别在零售业、旅游业、航空公司、家电制造业抽取了不同的企业作为样本，其中零售业7家，旅游业6家，航空公司5家，家电制造业5家，然后统计出近期消费者对这23家企业的投诉次数，试分析4个行业之间的服务质量是否存在显著差异？（数据来源：赖国毅等编著，SPSS17.0常用功能与应用，电子工业出版社；参见数据文件见data 11-1.sav。） 第1步 单因素方差分析设置 选择菜单“分析→均值比较→单因素ANOVA” 第2步 “对比”按钮设置 第3步 “事后多重比较”按钮设置 单击 “单因素ANOVA：事后多重比较” 第4步 “选项”按钮设置 单击 “选项（O）…”按钮，弹出如图所示的“单因素ANOVA：选项”对话框，本例选择“方差同质性检验”。 实验结果与分析 （1）描述性统计分析 表11.4是LSD法的多重比较检验的结果。分别进行了不同行业的两两比较，以第1个行业与第2，3，4个行业的比较为例。第1个行业与第2，3，4个行业的投诉次数均值分别相差1.000，14.000和-10.000，说明第1个行业的服务好于第4个行业，但不如第2、3个行业，而且所有的相伴概率都大于0.05，这说明第1个行业与其他三个行业均不具有显著性差异。 实验结果与分析 2、方差齐性分析 3、协方差分析结果 控制变量对观测变量的独立作用部分：变量“组别”贡献的离差平方和为377.894，均方为188.947。对应的F统计量为4.187，伴随概率P值为0.027，小于显著性著性水平0.05，说明不同的教学方法对数学成绩有显著性影响。协变量对观测变量的独立作用部分：入学成绩贡献的离差平方和为1080.817，对应的F统计量为23.951，伴随概率P值为0，小于显著性水平0.05，可以入学数学成绩也对高等数学成绩产生了显著性影响。 随机变量对观测变量影响部分：所贡献的离差平方和为1173.283，均方为45.126。 4、参数估计值 1、基本概念 多因素方差分析用来研究两个及两个以上控制变量是否对观测变量产生显著影响。多因素方差分析不仅能够分析多个控制变量对观测变量的独立影响，还能够分析多个控制变量的交互作用能否对观测变量的结果产生显著影响，进而最终找到有利于观测变量的最优组合。 2、统计原理 以两个控制变量为例，多因素方差分析将观测变量的总离差平方和分解为：SST=SSA+SSB+SSAB+SSE 设控制变量A有k个水平，变量B有r个水平 ，则SSA的定义为（SSB的定义类似）： 其中， 为因素A第i个水平和因素B第j个水平下的样本观测值个数， 为因素A第i个水平下观测变量的均值。 其中， 是因素A、B在水平i、j下的观测变量均值。 在固定效应模型中，各F统计量为： 在随机效应模型中， 统计量不变，其他两个F统计量分别为： 3、基本步骤 第1步 提出零假设：多因素方差分析的零假设H0是：各控制变量不同水平下观测变量各总体均值无显著差异，控制变量各效应和交互作用效应同时为0，即控制变量和它们的交互作用对观测变量没有产生显著性影响。 第2步 构造检验统计量：多因素方差分析采用的是F统计量，根据效应模型选择。 第3步 计算检验统计量的观测值和概率p值：SPSS会自动将相关数据代入各式，计算出检验统计量的观测值的概率p值（也称相伴概率值Sig.）。 第4步 给出显著性水平 ，作出决策。 实验内容 【例11-2】某企业在制定某商品的广告策略时，收集了该商品在不同地区采用不同广告形式促销后的销售额数据，希望对广告形式、地区以及它们的交互作用是否对商品销售额产生影响进行分析。（参见数据文件见11-2.sav。） 实验步骤 第1步 多因素方差分析设置 选择菜单“分析→一般线性模型→单变量”，打开“单变量”对话框，并按图所示进行设置。 “单变量”对话框 第2步 设置方差齐性检验：由于方差分析要求不同组别数据方差相等，故应进行方差齐性检验，单击“选项”按钮，选中“方差齐性检验”，显著性水平 设为默认值0.05。 第3步 设置控制变量的多重比较分析 第4步 设置模型类型 单击“模型（M）…”按钮弹出如图所示的对话框。 “单变量：模型”对话框 第5步 设置绘图 单击“绘图（T）…”按