服务产品及品牌策略课件.ppt

方差分析與回歸分析第一節單因素試驗的方差分析單因素隨機試驗：只考察一個因素A，試驗的水準有a個：A1，A2，…Aa。設Ai的重複數（樣本容量）為ri，i=1，2，…，a。總試驗次數為前提假設：所有試驗單元的試驗條件一致（無系統誤差）。方差分析的作用：1.通過對試驗數據的統計分析，推斷造成試驗數據間的差異的原因是試驗水準差異還是隨機誤差的影響。術語：試驗指標、因素、水準教材p2702.推斷哪些因素的影響是顯著的。3.分析出“最佳”的試驗水準（固定模型）；或估計總體變數的參數（隨機模型）。方差分析與假設檢驗的區別：方差分析能同時檢驗多個總體的某個參數（如均值）是否相等，而假設檢驗每次只能檢驗兩個總體的某個參數是否相等。方差分析與回歸分析的區別：1.回歸分析主要是為了得到引數與因變數之間的定量關係回歸方程。回歸係數顯著性討論的目的，是把影響不顯著的引數從回歸方程中剔除，以提高回歸方程的穩健性，使預測更加精確可靠。方差分析則是用於區分因素對試驗指標影響的顯著程度及影響大小，從而找出“最佳”的試驗水準。2.回歸分析要求因素（輸入）變數是定量的，而方差分析則不要求因素（輸入）變數是定量的。3.回歸分析要求對所有試驗水準都進行相應的試驗，而方差分析則只需有選擇地對某些試驗水準進行試驗（如正交設計）。第三節一元線性回歸相關關係：現象之間存在著數量上的依存關係，但這種關係間的數值是不確定的。社會經濟現象中相互影響或相互聯繫的關係一般可分為三類：函數關係、相關關係、不確定關係。相關關係的分類：因果關係、平行關係平行關係：互為因果或由共同的外因所影響（協同變異）。統計分析的任務：1.對因果關係，建立回歸方程，進行預測和控制。2.對平行關係，估計相關係數，確定相關程度。一、回歸概念對因果關係，一般把條件因素(可控制或可觀察)作為引數x(普通變數)，將結果作為因變數Y(隨機變數)。對確定的x，Y=Y(x)是隨機變數，設其期望存在，記?(x)=E(Y｜x)，稱?(x)為Y(x)對x的回歸函數，簡稱回歸。回歸函數描述了x與Y(x)的平均值的依存關係。（E(Y｜x)表示對於固定的x，Y(x)的數學期望。）估計?(x)：求Y(x)對x的回歸問題。二、直線回歸模型y=?+?xx1x2設x與Y(X)之間有因果關係，且直線相關設?(x)=E(Y｜x)=?+?x，稱其為總體回歸方程，稱?為回歸係數。由於?、?是未知的，設想通過樣本觀察值得出?、?的估計值a、b。於是稱其為經驗回歸方程或樣本回歸方程。問題：如何估計a、b的值？三、參數估計設抽樣得到一組樣本觀察值(x1，y1)，….，(xn，yn)，則樣本回歸方程的值為根據最小二乘法的原理，選擇a、b使回歸值與觀察值的誤差平方和達到最小，即由可得（教材p299-300）四、殘差分析可以證明：（教材p302-303）五、參數的統計性質由正態分佈的性質和a，b的運算式，可得a、b是?、?的最小方差線性無偏估計，一般稱為最佳線性無偏估計，簡記為BLUE。總離差平方和Syy和剩餘離差平方和Q、回歸離差平方和U之間有如下關係：Syy=Q+U。可以證明：Syy的自由度fT=n-1，Q的自由度fe=n-2，U的自由度fU=1。從而，fT=fe+fU，且有結論：1.Q/(n-2)是?2的無偏估計；2.設H0：?=0，H1：??0.若H0成立，則直線回歸不存在，若H1成立，則存在直線回歸。並且，當H0成立，U與Q相互獨立，且六、統計推斷由關係式Syy=Q+U可見，U在Syy中占的比重越大(即U/Q的值大)，線性回歸的效果越佳。而H0的檢驗統計量故當FF?(1，n-2)，拒絕H0，即線性回歸的效果顯著。由於b=Sxy/Sxx，相關係數可以證明：