第六章 方差分析.docVIP

\o 第六章 方差分析 第六章 方差分析 TOC \o 1-3 \h \z 第二节 单因素方差分析 1 一、单因素条件下离差平方和的分解 1 二、因素作用显著性的检验 2 三、单因素方差分析中的几个问题 4 第三节 双因素方差分析 5 一、无交互作用下的方差分析 5 二、有交互作用的方差分析 7 第四节 EXCEL在方差分析中的运用 11 一、单因素方差分析 11 二、无交互作用下的双因素方差分析 11 三、有交互作用的双因素方差分析 12 本章小结 14 第二节 单因素方差分析 一、单因素条件下离差平方和的分解 单因素指的是因子唯一。为了检验该因子的不同水平下的总体均值是否有显著差异，我们可针对因子的不同水平进行试验或抽样；把因子处在不同水平上抽得的样本看作是来自不同总体的样本，然后检验这些不同总体的均值是否相等。设下表是在因子A的不同水平下抽样的结果： 表6－2 样本 因素水平 1 2 …… n 合计 均值 …… …… …… …… 合计 ? ? ? ? 表中的是在水平上，第j个样本单位的数据。另外： （i=1，2，…，r） 即是在因素水平上的平均数，是样本总平均。 总离差平方和记为SST（Sum of Squares for Total），则： (6.4) 它反映了样本数据总的波动程度。按前面的平方和分解思路，我们有： 以上式中，交叉项之和为零，即： 进一步记： (6.5) (6.6) SSA（Sum of Squares Among Groups）表示的是组间方差总和，是由各组均值差异引起的；SSE（Sum of Squares for Error）表示的是组内方差部分，由随机误差产生。因此，我们得到离差平方和的分解式： SST=SSE+SSA （6.7） 二、因素作用显著性的检验 前面已指出，检验因子作用的显著性，实质上就是检验以下的假设： (6.8) 。 (6.9) 原假设是否为真，关键是看SSA与SSE两者间的相对比较；在两者比较时，我们要剔除引起各种方差的“独立变量个数”——自由度的影响。 SST是由于的波动引起的方差，但是，这里所有的nr个变量并不独立，它们必须满足的一个约束条件是：，真正独立的变量只有nr-1个，自由度是nr-1。SSA是因子在不同水平上的均值变化而产生的方差。但是，r个均值并不是独立的，它们必须满足约束条件：，因此也丢失一个自由度，它的自由度是r-1。SSE是由所有的在各因素水平上的围绕均值波动产生，但是它们必须满足的约束条件是：（i=1,2,…，r），一共r个，失去了r个自由度，所以SSE的自由度是nr-r。SST、SSA和SSE的自由度满足如下关系： nr-1=(r-1)+(nr-r) （6.10） 将各方差除以各自的自由度，就得到相应的均方差，即： ； （6.11） MSA与MSE分别是SSA与SSE的均方差。 有了均方差，我们就可以构造F统计量来检验原假设（6.8）是否为真： （6.12） F值越大，越说明总的方差波动中，组间方差是主要部分，有利于拒绝原假设接受备选假设；反之，F值越小，越说明随机方差是主要的方差来源，有利于接受原假设，有充分证据说明待检验的因素对总体波动有显著影响。因此，检验的拒绝域安排在右侧。对于给出的显著性水平α，查F分布表得临界值，当时，拒绝原假设，接受备选假设，认为所检验因素对总体有显著影响；当时，接受原假设，认为没有证据说明所检验的因素对总体的显著影响。如下图所示： ? ? α ? 接受域 拒绝域 图6-2 F检验示意图 现在，我们回头去解决例6-1中提出的问题。通过Excel得到方差分析的计算结果如下表（参见本章第四节）： 表6－3 Excel输出的方差分析表