统计学：5方差分析.ppt

第 5 章 方差分析 5.1 方差分析的基本原理 5.2 单因素方差分析 5.3 双因素方差分析 学习目标 方差分析的基本思想和原理 单因素方差分析 多重比较 双因素方差分析的方法 管理者层次水平的不同是否会导致评分的显著差异？ 一家管理咨询公司为高、中、初级管理者提供人力资源讲座。听完讲座后随机抽取不同层次管理者大满意度评分，取0.05的显著性水平，检验管理者层次水平的不同是否会导致评分的显著差异？ 什么是方差分析(ANOVA)?(analysis of variance) 方差分析的基本原理是在20世纪20年代由英国统计学家Ronald A.Fisher在进行实验设计时为解释实验数据而首先引入的 （形式上）检验多个总体均值是否相等 通过分析数据的误差判断各总体均值是否相等 （本质上）研究分类型自变量对数值型因变量的影响 一个或多个分类型自变量 一个数值型因变量 有单因素方差分析和双因素方差分析 方差分析的基本假定 正态性(normality)。每个总体都应服从正态分布，即对于因子的每一个水平，其观测值是来自正态分布总体的简单随机样本 方差齐性(homogeneity variance)。各个总体的方差必须相同，对于分类变量的k个水平，有?12=?22=…=?k2 独立性(independence)。每个样本数据是来自因子各水平的独立样本(该假定不满足对结果影响较大) 如果原假设成立，即H0 ：m1=m2=……=mk 自变量对因变量没有显著影响 每个样本都来自均值为??、方差为? 2的同一正态总体 ?若备择假设成立，即H1 ：mi (i=1,2,k)不全相等 自变量对因变量有显著影响 至少有一个总体的均值是不同的 3个样本分别来自均值不同的3个正态总体 方差分析的基本原理(误差分解) 总误差——总平方和（SST) 反映全部观测数据的误差大小的平方和， 反映全部观测值的离散程度 组内误差——组内平方和（SSE) 由于抽样的随机性造成的误差 反映每个样本内数据之间的离散程度 组间误差——组间平方和（SSA) 不同的水平（处理）影响所造成的误差 反映不同水平样本之间数据的差异 误差平方和的分解及其关系 误差的大小用均方(mean square)来表示，也称为方差(variance) 平方和除以相应的自由度 总平方和(SST)的自由度为n-1； 组内平方和(SSE)的自由度为n-k ； 组间平方和(SSA)的自由度为k-1 组内方差 3. 组间方差 判断原假设是否成立，就是判断组间方差与组内方差是否有显著差异 若原假设成立，组间均方与组内均方的数值就应该很接近，它们的比值就会接近1 若原假设不成立，组间均方会大于组内均方，它们之间的比值就会大于1 当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异，即自变量对因变量有影响 (one-way analysis of variance) 只考虑一个分类型自变量对数值型因变量的影响 分析步骤 提出假设 构造检验统计量 做出决策 提出假设 一般提法 H0 ：m1 = m2 =…= mk 自变量对因变量没有显著影响 H1 ：m1 ，m2 ，… ，mk不全相等 自变量对因变量有显著影响 注意：拒绝原假设，只表明至少有两个总体的均值不相等，并不意味着所有的均值都不相等 构造检验的统计量F 计算各样本均值 计算全部观测值的均值 3. 计算各误差平方和 构造检验的统计量F 做出决策 ? 将统计量的值F与给定的显著性水平?的临界值F?进行比较(或计算出统计量的P值)，做出决策 若P<? (F>F? )，拒绝原假设H0 ，表明均值之间的差异是显著的，所检验的分类变量的不同水平对观察值有显著影响 若P>? (F<F? ) ，不拒绝原假设H0 ，无证据表明所检验的分类变量的不同水平对观察值有显著影响 作出决策(F分布与拒绝域) 【例】检验行业（分类变量）对投诉次数（数值变量）是否有显著影响(?=0.05) (例题分析) 提出假设。设不同行业投诉次数均值分别为?1(零售业)、 ?2(旅游业)、?3 (航空公司) 和?4 (家电制造业) ，提出的假设为 H0 ：?1 ? ?2 ? ?3 ? ?4 H1 ：?1 , ?2 , ?3 , ?4不全相等 检验方差分析的前提 进行分析并做出决策 计算各误差平方和 计算统计量F 统计决策 拒绝原假设，即行业对投诉次数有显著影响 用spss进行方差分析 关系强度的测量 拒绝原假设表明因素（因子、分类变量)与观测值之间有显著关系 组间平方和(SSA)度量了自变量（分类变量，行业)对因变量(数值变量，投诉次数)的影响效应 当组间平方和