方差分析与回归分析课件.pptVIP

方差分析與回歸分析單因素方差分析一元線性回歸8.1單因素試驗的方差分析在實際生活中，經常需要對幾個總體進行分析比較，研究它們之間的差異以及產生這些差異的原因。這時我們就要採用一種稱為方差分析的方法來解決。例8.1某大型集團公司的銷售主管想比較五種不同的推銷方法有無顯著的效果差異。在條件基本相同且無銷售經驗的人員中選取若干名，分成五組分別進行不同銷售方法的培訓。培訓後觀察他們在一個月內的銷售額列於下表：方法方法1方法2方法3方法4方法5銷售額20.024.916.017.525.216.821.320.118.226.617.922.617.320.226.921.230.220.917.729.323.929.922.019.130.426.822.526.818.429.722.420.720.816.525.2在試驗中，我們所要考察的指標稱為試驗指標。影響試驗指標的條件稱為因素，這裏的因素主要是指可以人為控制的條件如原料、反映溫度、化肥種類等等。因素所處的狀態稱為因素的水準。只有一個因素在改變的試驗稱為單因素試驗，多於一個因素在改變的試驗稱為多因素試驗。例8.1中的試驗指標為銷售額，銷售方法為因素，5種不同的方法代表5種不同的水準。這是一項單因素試驗，試驗的目的是瞭解不同銷售方法水準對銷售額有無顯著影響。一般地，試驗指標記為X，對其有影響的因素記為A，設A有t個水準A1,A2,…,At，每個水準下的試驗指標都是一個總體，共有t個總體，在水準Ai下進行了ni次獨立試驗，得到第i個總體的樣本(X1i,X2i,…,Xnii)，(i=1,2,…,t)，總共進行了n=n1+n2+…+nt次試驗。試驗得到的結果可列成下表的形式：水準觀察值A1A2…Ai…At試驗指標X11X12…X1i…X1tX21X22…X2i…X2t………………Xn11Xn22…Xnii…Xntt樣本總和T?1T?2…T?i…T?t樣本均值……總體均值μ1μ2…μi…μt設在水準Ai下，試驗指標Aji來自正態總體N(μi,σ2)，其中μi及σ2均未知。這裏σ2與i無關，稱為方差齊性。記εji=Xji-μi，則εji~N(μi,σ2)表示隨機誤差，這樣單因素模型可表示為對於上述的模型，方差分析的主要任務是：(1)檢驗在各個水準下的均值是否相等。即檢驗假設：H0：μ1=μ2=…=μt，H1：μ1,μ2,…,μt不全相等；(2)作出未知參數μ1,μ2,…,μt,σ2的估計。記稱為總平均，稱為因素A在第i個水準Ai下的主效應，它反映了在水準Ai下總體均值與總平均的差異，顯然因此，檢驗假設：H0：μ1=μ2=…=μt，H1：μ1,μ2,…,μt不全相等；等價於H0：a1=a2=…=at=0，H1：a1,a2,…,at不全為零。原模型等價於方差分析的基本思想：如果被考察的因素對試驗結果沒有顯著的影響，即各正態總體的均值是相等的，則試驗數據的波動完全是由於隨機誤差引起的；反之，如果因素有明顯的效應，即各正態總體的均值不全相等，則試驗數據的波動除了隨機誤差的影響外，還包含有被考察因素的效應的影響。據此，需要尋找一個適當的統計量，來表示數據的波動程度。並且設法將這個統計量分解為兩部分：一部分是純粹由隨機誤差引起的，另一部分除了隨機誤差的影響外還包含著因素的效應的影響。然後將這兩部分進行比較，如果後者明顯地比前者大，就說明因素的效應是顯著的。記為樣本總平均為總平方和，反映出全部數據的總影響。為水準Ai下的樣本均值，則ST可分解為=0所以ST=SE+SA這表明，我們將ST分解成SA與SE的和，其中SE反映隨機誤差對總體指標的影響程度，稱為誤差平方和（組內平方和）；SA反映了在A的不同水準下對總體指標的影響程度，它是由水準Ai以及隨機誤差引起的，稱為因素的效應平方和（組間平方和）。記定理8.1設單因素試驗方差分析模型SA與SE相互獨立，且SE/σ2~χ2(n-1)；當H0：a1=a2=…=at=0成立時，SA/σ2~χ2(n-1)。從而其中fA,fE分別稱為SA與SE的自由度，分別稱為SA與SE的均方。由定理8.1可知，對於假設檢驗H0：a1=a2=…=at=0，H1：a1,a2,…,at不全為零選取統計量當H0為真時，F