第6章 SPSS的方差分析.pptVIP

第6章 SPSS的方差分析;主要内容;6.1 方差分析概述;某饮料在五家超市的销售情况 单位:箱;5;20个数据各不相同，差异的产生可能来自于两个方面： 抽样的随机性造成的； 由于人们对不同颜色有所偏爱引起的。;某饮料在五家超市的销售情况 单位:箱;问题转化： 令u1,u2,u3,u4分别为四种颜色饮料的销售均值； 如果检验结果为u1,u2,u3,u4有显著性差异，意味着不同颜色的饮料来自于不同的总体，表明饮料颜色对销售量产生了影响； 如果检验结果为u1,u2,u3,u4之间的差异不显著，则可以认为饮料的颜色对销售量没有影响，它们来自相同的总体。 ;大家有疑问的，可以询问和交流;基本概念;单因素方差分析：仅研究单个控制因素对观测因素的影响，即只针对一个因素进行方差分析。 饮料颜色对销售量的影响分析。 多因素方差分析：研究多个控制因素对观测因素的影响，即同时针对多个因素进行方差分析。 饮料颜色和销售地区对销售量的影响分析。 方差分析的两个基本假设： 观测变量各总体应服从正态分布； 观测变量各总体相互独立且方差相同。;方差分析的原理;根据方差进行分析： 如果不同的水平对观测变量没有影响，那么在水平之间的方差中就仅有随机因素的差异，而没有系统性差异，它与水平内部方差就应该近似，从而两个方差的比就会接近于1。 反之，如果不同的水平对观测变量产生影响，在水平之间的方差中就包含了系统性因素和随机性因素。这时，该方差会大于水平内方差，两个方差之比就会大于1。当比值达到某临界点，就可以认为不同水平之间存在显著性差异。 方差分析就是通过不同方差的比较作出判断。;F统计量;方差分析的任务及思路：;方差分析的两个假设前提;6.2 单因素方差分析;观测变量的方差剖析;单因素方差分析的数学模型;如果控制变量A对观测变量没有影响，则各水平的效应 应全部为0，否则应不全为0。这正是方差分析要检验的内容。 ;单因素方差分析的基本步骤;SPSS操作;选入因变量，可有多个变量; 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，希望对广告形式和地区是否对商品销售额产生影响分别进行分析。见“广告地区与销售额.sav”。;步骤： 明确观测变量和控制变量。以商品销售额为观测变量，广告形式和地区为控制变量。 给出假设。原假设为：不同广告形式没有对销售 额产生显著影响（即不同广告形式对销售额的效应同时 为0）；不同地区的销售额没有显著差异（即不同地区对销售额的效应同时为0）。 剖析观测变量的方差。 通过比较观测变量总离差平方和各部分所占的比例，推断控制变量是否给观测变量带来了显著影响。;广告形式对销售额的单因素方差分析结果;地区对销售额的单因素方差分析结果;单因素方差分析的进一步分析;方差齐性检验;Levene 检验法;多重比较检验;平均值之间的多重比较 若方差分析的结果不拒绝H0，表示拒绝不同水平下各总体均值相等的证据不足 ————分析终止 若方差分析的结果拒绝H0，接受H1, 表示不同水平下各总体均值不全相等 哪两两总体的均值之间相等？ 哪两两总体的均值之间不等？ ————需要进一步作多重比较 多重比较检验问题也是假设检验问题，遵循假设检验的基本步骤。;多重比较检验与两独立样本t检验的区别 两独立样本t检验：对各个水平下观测变量总体均值进行两两逐对检验，判断两均值是否存在显著差异，进而判断不同水平对观测变量的影响程度。但要进行 次比较，若两独立样本t检验的显著性水平为 ，则N次比较后实际的显著性水平变为 ，意味着犯一类错误概率扩大很多。 多重比较检验：利用全部观测变量值，实现对各个水平下观测变量总体均值的逐对比较。避免犯一类错误概率的扩大。;;LSD（最小显著性差异）方法 检验统计量为t统计量： 检验敏感性高，能检验出控制变量不同水平下均值间的微小差异；适用于各总体方差相等的情况。 未对犯一类错误的概率问题加以有效控制。 Bonferroni（邦弗朗尼）方法 检验统计量为t统计量，与LSD基本相同。 控制了犯一类错误的概率，使得显著性水平缩小到原有的1/N。两总体均值差的置信区间为：;Tukey（杜奇）方法 检验统计量为q统计量: 较为有效地控制了犯一类错误的概率； 适用于各水平下观测值个数相等（r）且各总体方差相等的情况。 Scheffe（雪费）方法 检验统计量为S统计量，服从（k-1,n-k）的F分布。 不如Tukey方法灵敏。;S-N-K（Student Newman-Keuls）方法 是一种有效划分相似性子集的方法。 检验统计量为t统计量，衡量两组间均值是否存在显著差异的标准为： 适用于各水平观测值个数相等的情况。;其他检验;;控制累积Ⅰ