第8章 方差分析（DA） 教学课件数据分析基础—基于Python的实现 电子教案.pptxVIP

第8章 方差分析（DA） 教学课件数据分析基础—基于Python的实现 电子教案 第 1 章1 -2022-12-29贾俊平2022-12-29统计学—Python实现—贾俊平贾俊平 2022-12-29Fundamentals of data analysis with Python数据分析基础基于 Python 的实现 第 8 章方差分析的原理单因子方差分析双因子方差分析方差分析的假定及其检验贾俊平2022-12-29第 8 章 方差分析数据分析基础—基于Python的实现8 -2022-12-29 第 8 章提出假设· ： i = 0(i=1,2,…,I)（处理效应不显著）· ： i 至少有一个不等于0 （处理效应显著）构建检验统计量，用P值做出决策· 未拒绝，因子对观测值 影响不显著，分析结束· 拒绝，可以用效应量，多重比较效应量分析· 用效应量· 双因子方差分析可以及计算：总效应量、主效应量、偏效应量多重比较· Fisher的最小显著性差异法—LSD· Tukey的实际显著性差异法—HSD假定条件检验· 正态性检验Q-Q图数据分析基础—基于Python的实现8 -2022-12-29Sharpio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 第 8 章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）为分数据分析基础—基于Python的实现8 -2022-12-29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1 083 5461 029 575651 401668 441517 440511 137366 452348 244353 786339 329314 934284 131288 302274 748285 369265 583268 038265 567（以上是前9行，共30行数据， 第 8 章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)数据分析基础—基于Python的实现8 -2022-12-29 第 8 章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数据分析基础—基于Python的实现8 -2022-12-29 第 8 章8.2单因子方差分析单因子方差分析——提出假设数据分析基础—基于Python的实现8 -2022-12-29 第 8 章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数据分析基础—基于Python的实现8 -2022-12-29平方和 SS自由度 df均方 MS处理效应误差总效应 第 8 章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