贾俊平《数据分析基础—基于Python的实现》（08）第8章 方差分析（DA）.pptxVIP

贾俊平2023/3/12数据分析基础贾俊平 2023/3/12Fundamentals of data analysis with Python基于 Python 的实现 贾俊平2023/3/128.1 方差分析的原理8.2 单因子方差分析8.3 双因子方差分析8.4 方差分析的假定及其检验第 8 章 方差分析 提出假设??构建检验统计量，用P值做出决策??效应量分析??多重比较Fisher的最小显著性差异法—LSDTukey的实际显著性差异法—HSD假定条件检验正态性检验 Q-Q图 Sharpio检验；K-S检验方差齐性检验 Levene检验独立性判断 方差分析的步骤思维导图 8.1 方差分析的原理 方差分析的原理——什么是方差分析(ANOVA)方差分析是在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 分析类别自变量对数值因变量影响的一种统计方法 研究分类型自变量对数值型因变量的影响 一个或多个分类自变量；两个或多个 (k 个) 处理水平或分类一个数值型因变量有单因子方差分析和双因子方差分析单因子方差分析：涉及一个分类的自变量双因子方差分析：涉及两个分类的自变量【例8-1】（数据：example8_1.RData）为分析不同测评时间电脑处理器的性能。3个测评时间电脑处理器的性能得分数据：2020年第二季度2020年第三季度2021年第一季1 083 5461 029 5751 725 584651 401668 4411 284 483517 440511 1371 068 484366 452348 2441 041 618353 786339 329923 142314 934284 131890 057288 302274 748844 962285 369265 583803 878268 038265 567770 183（以上是前9行，共30行数据，详见课本第197页） 8.1 方差分析的原理 方差分析的原理——误差分解总误差(total error)反映全部观测数据的误差所抽取的全部30个地块的产量之间差异处理误差(treatment error)—组间误差(between-group error)由于不同处理造成的误差，它反映了处理(品种)对观测数据(产量)的影响，因此称为处理效应(treatment effect)随机误差(random error)—组内误差(within-group error)由于随机因子造成的误差，也简称为误差(error) 数据的误差用平方和(sum of squares)表示，记为SS总平方和(sum of squares for total)，记为SST反映全部数据总误差大小的平方和处理平方和(treatment sum of squares)，记为SSA反映处理误差大小的平方和也称为组间平方和(between-group sum of squares)误差平方和(sum of squares of error)，记为SSE反映随机误差大小的平方和称为误差平方和也称为组内平方和(within-group sum of squares) 8.1 方差分析的原理 方差分析的原理——数学模型?数据的误差用平方和(sum of squares)表示，记为SS总平方和(sum of squares for total)，记为SST反映全部数据总误差大小的平方和设因子A有I种处理(比如时间有”2020年第二季度”,”2020年第三季度”,”2021年第一季度”3种处理)，单因子方差分析用线性模型表示为 ?? 8.2 单因子方差分析 单因子方差分析——提出假设? 8.2 单因子方差分析 单因子方差分析——方差分析表误差来源平方和SS自由度df均方MS检验统计量F处理效应误差?总效应?? 8.2 单因子方差分析 单因子方差分析——效应检验——例题分析?# 将表8-1的短格式数据转为长格式数据 测评时间 性能得分-------------------------0 2020年第二季度 2020年第二季度 6514012 2020年第二季度 51744