方差分析举例.docxVIP

方差分析举例 一、什么是方差分析 例1:某饮料生产企业研制出一种新型饮料。饮料的颜色共有四种，分别为 橘黄色、粉色、绿色和无色透明。这四种饮料的营养含量、味道、价格、包装等 可能影响销售量的因素全部相同，先从地理位置相似、经营规模相仿的五家超级 市场上收集了前一期该种饮料的销售量情况，见表10-1。 表 10-1 该饮料在五家超市的销售情况 单位：箱 超市 无色 粉色 橘黄色 绿色 1 26.5 31.2 27.9 30.8 2 28.7 28.3 25.1 29.6 3 25.1 30.8 28.5 32.4 4 29.1 27.9 24.2 31.7 5 27.2 29.6 26.5 32.8 合计 136.6 147.8 132.2 157.3 问饮料的颜色是否对销售量产生影响。 解：从表10 - 1中看到，20个数据各不相同，其原因可能有两个方面: 一是销售地点不同的影响。 即使是相同颜色的饮料，在不同超市的销售量也是不同的。但是，由于这五 个超市地理位置相似、经营规模相仿，因此，可以把不同地点产品销售量的差异 看成是随机因素的影响。 二是饮料颜色不同的影响。 即使在同一个超市里，不同颜色的饮料的销售量也是不同的。哪怕它们的营 养成分、味道、价格、包装等方面的因素都相同，但销售量也不相同。这种不同， 有可能是由于抽样的随机性造成的，也有可能是由于人们对不同颜色的偏爱造成 的。 于是，上述问题就归结为检验饮料颜色对销售量是否有影响的问题。我们可 以今^、改、％、缶分别为四种颜色饮料的平均销售量，检验它们是否相等。如 果检验结果显示^、处、凶、缶不相等，则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有影响；反之，如果检验结果显示^、地、%、角 之间不存在显著性差异，则意味着不同颜色的饮料来自于相同的总体，可认为饮 料颜色对销售量没有影响。 这就是一个方差分析问题。 在方差分析中常用到一些术语。 因素 因素是一个独立的变量，也就是方差分析研究的对象，也称为因子。如：例 1中，我们要分析饮料的颜色对饮料的销售量是否有影响，在这里，“饮料的颜 色”是所要检验的对象，它就是一个因素。在有的书中把因素称为“因子”。 水平 因素中的内容称为水平，它是因素的具体表现。如：例1中“饮料的颜色” 这一因素中的水平有四个，即饮料的四种不同颜色：无色、粉色、桔黄色、绿色； 它们是“饮料的颜色”这一因素的四种具体表现。 因素的每一个水平可以看作是一个总体，比如：无色、粉色、桔黄色、绿色 饮料可以看作是四个总体。 控制变量 在方差分析中，能够人为控制的影响因素称为控制因素，或控制变量；如： 例1中，“饮料的颜色”对于饮料的销售量而言，是能够人为控制的影响因素， 称为控制变量。 随机变量 在方差分析中，人为很难控制的影响因素称为随机因素，或随机变量；如： 例1中，“人们对不同颜色的偏爱”对于饮料的销售量而言，是人为很难控制的 影响因素，称为随机变量。 观察变量与观察值 在方差分析中，受控制因素和随机因素影响的事物，称为观察变量。在每个 水平下得到的样本数据称为观察值。如：例1中，销售量是观察变量，在每个饮 料颜色下得到的样本数据（即表10-1中的数据）就是观察值。 二.方差分析的原理 从方差分析的目的来看，是要检验各个水平的均值此、 Pm是否相 等（m为水平个数），而实现这个目的的手段是通过方差的比较（即考察各观察 数据的差异）。 在变量的观察值之间存在着差异。差异的产生来自于两个方面。 一个方面是由因素中的不同水平造成的，称之为系统性差异（或系统性误 差）。如：饮料的不同颜色带来不同的销售量。 另一个方面是由于抽选样本的随机性而产生的差异，称之为随机性差异（或 随机性误差）。如：相同颜色的饮料在不同的商场销售量也不同。 两个方面产生的差异可以用两个方差来计量。 一个叫组间方差，即水平之间的方差，是衡量不同总体下各样本之间差异的 方差。在组间方差里，既包括系统性误差，也包括随机性误差。如：在例1中， 不同颜色的饮料在不同地点（超市）产品销售量之间的差异既有系统性误差（即 由于人们对不同颜色的偏爱造成的差异），也有随机性误差（即由于抽样的随机 性造成的差异）。不同颜色的饮料在不同地点（超市）产品销售量之间的方差即 为组间方差。 另一个叫组内方差，即水平内部的方差，是衡量同一个总体下样本数据的方 差。在组内方差里仅包括随机性差异。如：在例1中，可以把同一个颜色的饮料 在不同地点（超市）产品销售量之间的差异看成是随机因素的影响，同一个颜色 的饮料在不同地点（超市）产品销售量之间的方差即为组内方差。 如果不同的水平对结果没有影响，如：饮料的不同颜色对销售量无影响，那 么在水平之间的方差中，就仅仅有随机因素影响的差异，而没有系统性因素影响 的差