第七章-方差分析-《统计学》-课件课件.pptxVIP

第七章方差分析单因素方差分析多因素方差分析协方差分析

7.1单因素方差分析7.1.1准备知识1.方差分析中的基本术语响应变量（因变量）：响应变量是实验中需要研究的目标变量，响应变量应为数值型变量。因素（自变量）：因素（也可称为“因子”）是实验中施加影响的变量。因素可以是数值型变量，也可以是字符型变量。水平：水平就是因素的取值。如果因素是字符型变量，则水平就是非数值形式的；如果因素是数值型变量，则水平就可以用数值表示。

7.1单因素方差分析处理：处理是水平的组合。单因素情况下，每个水平构成一个处理；多因素情况下，处理是水平的组合。主效应与交互效应：因子水平变化对响应变量的影响称为效应。两因子及两个以上因子以上的试验时的实验中，各因子水平对因变量的独立影响称为主效应，而因子间的相互作用对因变量的影响则称为交互效应。

7.1单因素方差分析2.单因素方差分析的基本概念方差分析用来推断两个或两个以上的总体均值是否相同。它所研究的是分类型自变量对数值型因变量的影响。当只涉及一个分类型自变量时，该分析称为单因素方差分析；涉及两个或两个以上的分类型自变量时，则称为多因素方差分析。

7.1单因素方差分析3.单因素方差分析的理论假设（1）各因素条件下的样本是相互独立的。（2）各因素条件下的样本分别来自服从正态分布的总体。（3）各因素条件下的样本所属总体的方差相等。

7.1单因素方差分析4.单因素方差分析的基本思路不同处理下的样本均值之间的误差（SST）有两个来源：（1）组内误差（SSE）?组内误差由样本的随机性造成。（2）组间误差（SSA）?组间误差由不同处理下对应的总体均值水平高低不同造成。SSE、SSA各自除以其自由度，得到组内均方（MSE）和组间均方（MSA）：?

7.1单因素方差分析组内均方（MSE）和组间均方（MSA）之间的比值服从F分布，分子自由度为（r-1），分母自由度为（n-r）。F统计量的值偏大，是总体均值存在明显差异的证据。

7.1单因素方差分析?（2）计算组内均值：

7.1单因素方差分析（4）计算样本方差：（5）计算总体方差的组间估计：（6）计算总体方差的组内估计：

7.1单因素方差分析?（9）编制方差分析表。（10）做出统计决策。

7.1单因素方差分析6.单因素方差中的多重比较如何确定自变量的不同水平对因变量的影响程度，其中哪些水平的作用明显区别于其他水平，哪些水平的作用不显著。这就要用到多重比较的分析方法。多重比较是利用样本数据，对各个水平下的总体均值逐一进行两两之间的比较检验。由于所采用的检验统计量不同，多重比较有许多具体方法，最常用的是最小显著性差异法（LSD法）和Bonferroni方法。

7.1单因素方差分析最小显著性差异法字面上就体现了其检验敏感性高的特点，即不同水平间的均值只要存在一定程度的微小差异，就可能被检验出来。LSD方法的检验统计量为LSD统计量，与t统计量类似，定义为：?

7.1单因素方差分析?

7.1单因素方差分析7.1.2实验内容豆粕现货价格是否存在地区差异？根据豆粕供需情况，全国市场可以划分为六个区域市场，每个区域市场都有特定地区的价格来反映区域情况，现在收集了从2023年2月初到2023年5月底六个不同区域的豆粕现货价格，尝试分析不同地区的现货价格是否有显著差异，如果有显著差异，具体是哪几个区域价格存在差异。豆粕现货价格的数据见数据集“data10_1.sav”。

7.1单因素方差分析7.1.3实验步骤1.单因素方差分析（1）选择菜单分析→比较平均值→单因素ANOVA检验。将观测变量选入因变量列表框中；将控制变量选入因子框中。（2）单击选项按钮，在弹出的对话框中选择方差齐性检验选项。（3）点击【Continue】→【OK】，系统输出单因素方差分析结果。

7.1单因素方差分析

7.1单因素方差分析

7.1单因素方差分析由方差齐性检验结果可以看出，LeveneF统计量的值为0.208，p值为0.9590.05，可以在0.05的显著性水平下认为样本所来自的总体满足方差齐性的要求。

7.1单因素方差分析?

7.1单因素方差分析2.进行多重比较单因素方差分析的结果只能说明六个地区的豆粕现货价格是有差异的，但不能给出各地区价格两两之间的差异情况。因此需要进行多重比较检验。其具体步骤如下：（1）在单因素ANOVA检验主对话框中点击事后比较按钮，选择“LSD”和“Bonferroni（邦弗伦尼）”选项。（2）点击【Continue】→【OK】，系统输出多重比较检验结果。

7.1单因素方差分析

7.1单因素方差分析

7.1单因素方差分析3.做出统计决策多重比较的输出结果中给出了两两比较的均值差及