第十章-方差分析与实验设计.ppt

第七章 方差分析与正交实验设计 学习目标 解释方差分析的概念 解释方差分析的基本思想和原理 掌握单因素方差分析的方法及应用 理解多重比较的意义 掌握双因素方差分析的方法及应用 掌握正交实验设计的基本原理和方法 7.1 方差分析引论 方差分析及其有关术语 方差分析的基本思想和原理 方差分析的基本假定 问题的一般提法 方差分析及其有关术语 什么是方差分析?（analysis of variance） 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 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 两个或多个处理水平或分类 一个数值型因变量 有单因素方差分析和双因素方差分析 单因素方差分析：涉及一个分类的自变量 双因素方差分析：涉及两个分类的自变量 什么是方差分析（例题分析） 【例】为了对几个行业的服务质量进行评价，消费者协会在四个行业分别抽取了不同的企业作为样本，最近一年中消费者对总共23家企业投诉的次数如下表 什么是方差分析（例题分析） 分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响 作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等 若它们的均值相等，则意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；若均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异 方差分析中的有关术语 因素或因子（factor） 所要检验的对象 要分析行业对投诉次数是否有影响，行业是要检验的因素或因子 水平或处理（treatment） 因子的不同表现 零售业、旅游业、航空公司、家电制造业就是因子的水平 观察值 在每个因素水平下得到的样本数据 每个行业被投诉的次数就是观察值 方差分析中的有关术语 实验 这里只涉及一个因素，因此称为单因素四水平的试验 总体 因素的每一个水平可以看做是一个总体 比如零售业、旅游业、航空公司、家电制造业可以看做是四个总体 样本数据 被投诉次数可以看做是从这四个总体中抽取的样本数据 方差分析的基本思想和原理 方差分析的基本思想和原理（图形分析） 方差分析的基本思想和原理 比较两类误差，以检验均值是否相等 比较的基础是方差比 如果系统（处理）误差明显地不同于随机误差，则均值就是不相等的；反之，均值就是相等的 误差是由各部分的误差占总误差的比例来测度的 方差分析的基本思想和原理（两类误差） 随机误差 因素的同一水平（总体）下，样本各观察值之间的差异 这种差异可以看成是随机因素的影响，称为随机误差 系统误差 因素的不同水平（不同总体）下，各观察值之间的差异 这种差异可能是由于抽样的随机性所造成的，也可能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差 方差分析的基本思想和原理（误差平方和） 数据的误差用平方和（sum of squares）表示 组内平方和（within groups） 因素的同一水平（同一个总体）下样本数据的平方和，比如，零售业被投诉的次数的误差平方和 组内平方和只包含随机误差 组间平方和（between groups） 因素的不同水平（同一个总体）下各样本之间的平方和，比如，四个行业被投诉次数之间的误差平方和 组间平方和既包括随机误差，也包括系统误差 方差分析的基本思想和原理（误差的比较） 若原假设成立，组间平方和与组内平方和经过平均后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，组间平方和平均后的数值就会大于组内平方和平均后的数值，它们之间的比值就会大于1 当这个比值达到某种程度时，就可以说不同水平之间存在着显著差异，也就是自变量对因变量有影响 方差分析的基本假定 方差分析的基本假定 每个总体都应该服从正态分布 对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本，比如，每个行业被投诉的次数必须服从正态分布 各个总体的方差必须相同 各组观察数据是从具有相同方差的总体中抽取的，比如，四个行业被投诉次数的方差都相等 观察值是独立的 比如，每个行业被投诉的次数与其它行业被投诉的次数独立 方差分析的基本假定 在上述假定条件下，判断行业对投诉次数是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等 如果四个总体的均值相等，可以期望四个样本的均值也会很接近 四个样本的均值越接近，推断四个总体均值相等的证据也就越充分 样本均值越不同，推断总体均值不同的证据就越充分 方差分析的基本假定 如果原假设成立，即H0：μ1=μ2=μ3=μ4 四个行业被投诉次数的均值都相等，意味着每个样本都来自均值为μ，方差为σ2的同一正态总体 方差分析的基本假定 若备择假设成立，即H1：μi（i=1，2，3，4）不全相等 至少由一