6第六章-方差分析.pptVIP

第六章 方差分析 第六章 方差分析 在科学实验中常常要探讨不同实验条件或处理方法对实验结果的影响。通常是比较不同实验条件下样本均值间的差异 方差分析是检验多组样本均值间的差异是否具有统计意义的一种方法。例如 医学界研究几种药物对某种疾病的疗效； 农业研究土壤、肥料、日照时间等因素对某种农作物产量的影响 不同饲料对牲畜体重增长的效果等 都可以使用方差分析方法去解决。 因变量 自变量 调查或试验中需要考察的、可以控制的条件或影响因素称为因素或因子（factor,也称“自变量”，independent variable，通常用A、B、C等大写字母表示），因素所处的不同状态（即自变量的不同取值）称为水平（level，通常记为 ）。 【例6-1】阳光食品有责任有限公司（简称“阳光食品”）开发了一种新型儿童运动饮料（“酷酷爽”），设想了三种不同类型的包装形式：纸质真空包装、易拉罐、塑料瓶。九洲市场研究事务所受阳光食品的委托，采取了市场实验的方式取得有关数据：生产了三种包装方式的样品，在较有代表性的八个商店（分散在全市各主要区域，这些商店周边的顾客源即为该目标产品的潜在需求者）实行试销。为避免商品陈列位置差异对销售结果的影响，各商店在样品陈列高度要求一致、排列顺序随机变化。销售人员不作诱导性推销。试销一个月之后，各商店三种包装款式产品的销售量数据如表6-1所示。 表6-1 儿童运动饮品“酷酷爽”的试销量统计 单位：（件） 上例属于单因素方差分析问题。 √包装方式 因素（因子）A 相应的三种包装类型作为因子的三种 不同状态即“水平”，记为A(i=1,2,3) 这一问题可归结于判断三个总体是否具有相同分布的问题 假设1：三组数据来自具有相同均值的正态总体（假设方差相等） 假设2：三组数据来自具有相同均值与方差的正态总体 假设3：三组数据来自具有相同方差的总体 检验因子影响是否显著的统计量是一个F统计量： F统计量越大，越说明组间方差是主要方差来源，因子影响越显著；F越小，越说明随机方差是主要的方差来源，因子的影响越不显著。 第六章 方差分析 二、单因子方差分析的偏差平方和分解式 Ho:μ1=μ2=…=μr （前提：方差相等) (或写成：α1=α2…=αr=0，前提：方差相等) Ho:μ1=μ2=…=μr 且 Ho: 自由度的确定：SST是由于的波动引起的方差，但是，这里所有的n个变量并不独立，它们满足一个约束条件，真正独立的变量只有n-r个，自由度是n-r。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，它们满足一个约束条件，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，它们满足的约束条件一共r个，失去了r个自由度，所以SSE的自由度是n-r。SST、SSA和SSE的自由度满足如下关系：n-1=(r-1)+(n-r) 检验统计量是: 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。 第六章 方差分析 设有A、B两个因素影响实验（观察）结果指标。因素A有r个水平，因素B有s个水平，因素A、B的不同水平的每种组织都只作一次试验（观察），这种情况下，因素A、B之间没有交互作用。数据结构如表6-6所示。 离差平方和的分解 总离差平方和SST的自由度为r×k-1=n-1； 因素A的离差平方和SSA的自由度为r-1； 因素B的离差平方和的自由度为k-1； 随机误差SSE的自由度为（r-1）×（k-1） 由离差平方和与自由度可以计算均方差: 对因素A而言： 对因素B而言： 对随机变量而言： 表 8－8 双因素方差分析表 【例】取例6-3(教材)中第一周的数据进行无交互效应方差分析，分析时段对消费量的影响。 分时段的平均消费额如下表所示，根据相关公式，可计算有关偏差平方和指标及F统计量，结果见表6-8。周时间为“B因素”（分一周七天），天时间为“A因素”（分为上、下、晚）。 对于双因素方差分析，更加一般化的情况是因素A与因素B之间存在着“交互效应”。即两