《统计学9ppt课件.ppt》由会员分享，可在线阅读，更多相关《统计学9ppt课件.ppt（58页珍藏版）》请在三一办公上搜索。
1、第九章 方差分析 analysis of variance,ANOVA,9.1 方差分析引论9.2 单因素方差分析 9.3 方差分析中的多重比较 9.4 双因素方差分析重点：方差分析的概念、思路、步骤难点：方差分析的思想、误差平方和分 解,9.1 方差分析引论,1.方差分析及有关术语2.方差分析的基本思想和原理3.方差分析中的基本假定4.假设问题的一般提法,9.1.1什么是方差分析(ANOVA)?,方差分析是通过检验多个总体的均值是否相等来判断分类型自变量对数值型因变量是否有显著影响的统计方法。有单因素方差分析和双因素方差分析单因素方差分析：涉及一个分类的自变量双因素方差分析：涉及两个分类的自
2、变量,什么是方差分析?(例题分析),【例】为了对几个行业的服务质量进行评价，消费者协会在四个行业分别抽取了不同的企业作为样本。最近一年中消费者对总共23家企业投诉的次数如下表,一个分类变量,什么是方差分析?(例题分析),分析四个行业之间的服务质量是否有显著差异，也就是要判断“行业”对“投诉次数”是否有显著影响作出这种判断最终被归结为检验这四个行业被投诉次数的均值是否相等。怎样检验？若它们的均值相等，则意味着“行业”对投诉次数是没有影响的，即它们之间的服务质量没有显著差异；若均值不全相等，则意味着“行业”对投诉次数是有影响的，它们之间的服务质量有显著差异,方差分析中的其他有关概念 p310,1.
3、因素或因子(factor)所要检验的对象要分析行业对投诉次数是否有影响，行业是要检验的因素或因子2.水平或处理(treatment)因子的不同表现零售业、旅游业、航空公司、家电制造业就是因子的水平3.观察值在每个因素水平下得到的样本数据每个行业被投诉的次数就是观察值,4.试验这里只涉及一个因素，因此称为单因素四水平的试验5.总体因素的每一个水平可以看作是一个总体比如零售业、旅游业、航空公司、家电制造业可以看作是四个总体6.样本数据被投诉次数可以看作是从这四个总体中抽取的样本数据,9.1.2.方差分析的基本思想和原理,从散点图上可以看出不同行业被投诉的次数是有明显差异的同一个行业，不同企业被投诉
4、的次数也明显不同家电制造被投诉的次数较高，航空公司被投诉的次数较低行业与被投诉次数之间有一定的关系如果行业与被投诉次数之间没有关系，那么它们被投诉的次数应该差不多相同，在散点图上所呈现的模式也就应该很接近,方差分析的基本思想和原理(图形分析),3仅从散点图上观察还不能提供充分的证据证明不同行业被投诉的次数之间有显著差异这种差异可能是由于抽样的随机性所造成的,也有可能是系统性影响因素造成的。4需要有更准确的方法来检验这种差异是否显著，也就是进行方差分析所以叫方差分析，因为虽然我们感兴趣的是均值，但在判断均值之间是否有差异时则需要借助于方差这个名字也表示：它是通过对数据误差来源的分析判断不同总体的
5、均值是否相等。因此，进行方差分析时，需要考察数据误差的来源,1.比较两类误差（系统性误差、随机误差），以检验均值是否相等2.比较的基础是方差比3.如果系统(处理)误差明显地不同于随机误差，则均值就是不相等的；反之，均值就是相等的4.误差是由各部分的误差占总误差的比例来测度的,9.1.2方差分析的基本思想和原理,方差分析的基本思想和原理(两类误差),组内误差因素的同一水平(总体)下，样本内部各观察值之间的差异比如，同一行业下不同企业被投诉次数是不同的这种差异可以看成是随机因素的影响，是随机误差。组内误差只含有随机误差。组间误差因素的不同水平(不同总体)下，各观察值之间的差异比如，不同行业之间的被
6、投诉次数之间的差异这种差异可能是由于抽样的随机性所造成的，也可能是由于行业本身所造成的，后者所形成的误差是由系统性因素造成的，称为系统误差。,方差分析的基本思想和原理(两类误差),数据的误差用平方和(sum of squares)表示SS反映组内误差大小的平方和称为组内平方和，记为SSE 反映组间误差大小的平方和称为组间平方和，记为SSA 反映全部数据误差大小的平方和称为总平方和，记为SST,方差分析的基本思想和原理(方差的比较),若不同行业对投诉次数没有影响，则组间误差中只包含随机误差，没有系统误差。这时，组间误差与组内误差经过平均后的数值就应该很接近，它们的比值就会接近1若不同行业对投诉次
7、数有影响，在组间误差中除了包含随机误差外，还会包含有系统误差，这时组间误差平均后的数值就会大于组内误差平均后的数值，它们之间的比值就会大于1当这个比值大到某种程度时，就可以说不同水平之间存在着显著差异，也就是自变量对因变量有影响判断行业对投诉次数是否有显著影响，实际上也就是检验被投诉次数的差异主要是由于什么原因所引起的。如果这种差异主要是系统误差，说明不同行业对投诉次数有显著影响,9.1.3方差分析的基本假定,每个总体都应服从正态分布对于因素的每一个水平，其观察值是来自服从正态分布总体的简单随机样本比如，每个行业被投诉的次数必需服从正态分布各个总体的方差必须相同各组观察数据是从具有相同方差的总
8、体中抽取的比如，四个行业被投诉次数的方差都相等观察值是独立的比如，每个行业被投诉的次数与其他行业被投诉的次数独立,方差分析中的基本假定,在上述假定条件下，判断行业对投诉次数是否有显著影响，实际上也就是检验具有同方差的四个正态总体的均值是否相等如果四个总体的均值相等，可以期望四个样本的均值也会很接近四个样本的均值越接近，推断四个总体均值相等的证据也就越充分样本均值越不同，推断总体均值不同的证据就越充分,方差分析中基本假定,如果原假设成立，即H0：m1=m2=m3=m4四个行业被投诉次数的均值都相等意味着每个样本都来自均值为、方差为 2的同一正态总体,X,f(X),1 2 3 4,方差分析中基本假
9、定,若备择假设成立，即H1:m j(j=1,2,3,4)不全相等至少有一个总体的均值是不同的四个样本分别来自均值不同的四个正态总体,9.1.4问题的一般提法,设因素有k个水平，每个水平的均值分别用1,2,k 表示要检验k个水平(总体)的均值是否相等，需要提出如下假设：H0：1 2 k H1：1,2,，k 不全相等设1为零售业被投诉次数的均值，2为旅游业被投诉次数的均值，3为航空公司被投诉次数的均值，4为家电制造业被投诉次数的均值，提出的假设为H0：1 2 3 4 H1：1,2,3,4 不全相等,9.2 单因素方差分析,9.2.1 数据结构9.2.2 分析步骤9.2.3 关系强度的测量9.2.4
10、 用Excel进行方差分析,9.2.1单因素方差分析的数据结构(one-way analysis of variance),一、提出假设：,一般提法H0：m1=m2=mk 自变量对因变量没有显著影响 H1：m1，m2，mk不全相等自变量对因变量有显著影响 注意：拒绝原假设，只表明至少有两个总体的均值不相等，并不意味着所有的均值都不相等,9.2.2方差分布的基本步骤,二、构造检验的统计量,构造统计量需要计算因素各水平的均值全部观察值的总均值误差平方和(sum of squares记为SS)SS误差均方(MS),计算因素各水平的均值,假定从第j个总体中抽取一个容量为ni的简单随机样本，第j个总体的
11、样本均值为该样本的全部观察值总和除以观察值的个数计算公式为,式中：ni为第 i 个总体的样本观察值个数 xij 为第 i 个总体的第 j 个观察值,计算全部观察值的总均值,全部观察值的总和除以观察值的总个数计算公式为：,例题分析,计算总误差平方和 SST：sum of squares for total,(1)全部观察值 与总平均值 的离差平方和(2)反映全部观察值的离散状况其计算公式为,前例的计算结果：SST=(57-47.869565)2+(58-47.869565)2=115.9295,计算组间(水平项)平方和 SSASSA：Sum of squares for factor A,各组平
12、均值 与总平均值 的离差平方和反映各总体的样本均值之间的差异程度，又称组间平方和该平方和既包括随机误差，也包括系统误差计算公式为,前例的计算结果：SSA=1456.608696,计算误差项平方和 SSESSE:Sum of squares for error,(1)每个水平或组的各样本数据与其组平均值的离差平方和(2)反映每个样本各观察值的离散状况，又称组内平方和(3)该平方和反映的是随机误差的大小计算公式为:,前例的计算结果：SSE=2708,三个平方和的关系,总离差平方和(SST)、误差项离差平方和(SSE)、水平项离差平方和(SSA)之间的关系,SST=SSA+SSE总离差平方和=组间离
13、差平方和+组内离差平方和,前例的计算结果：4164.608696=1456.608696+2708,三个平方和的作用,SST反映全部数据总的误差程度；SSE反映随机误差的大小；SSA反映随机误差和系统误差的大小如果原假设成立，则表明没有系统误差，组间平方和SSA除以自由度后的均方与组内平方和SSE除以自由度后的均方差异就不会太大；如果组间均方显著地大于组内均方，说明各水平(总体)之间的差异不仅有随机误差，还有系统误差判断因素的水平是否对其观察值有影响，实际上就是比较组间方差与组内方差之间差异的大小,计 算 均 方 MS,各误差平方和的大小与观察值的多少有关，为消除观察值多少对误差平方和大小的影
14、响，需要将其平均，这就是均方，也称为方差计算方法是用误差平方和除以相应的自由度三个平方和对应的自由度分别是SST 的自由度为n-1，其中n为全部观察值的个数SSA的自由度为k-1，其中k为总体的个数SSE 的自由度为n-k,注意,计算均方 MS,组间均方：SSA的均方，记为MSA，计算公式为,组内均方：SSE的均方，记为MSE，计算公式为,四 计算检验统计量 F,将MSA和MSE进行对比，即得到所需要的检验统计量F当H0为真时，二者的比值服从分子自由度为k-1、分母自由度为 n-k 的 F 分布，即 记住,F分布与拒绝域,如果均值相等，F=MSA/MSE1,五、统计决策,将统计量的值F与给定的
15、显著性水平的临界值F进行比较，作出对原假设H0的决策根据给定的显著性水平，在F分布表中查找与第一自由度df1k-1、第二自由度df2=n-k 相应的临界值 F 若FF，则拒绝原假设H0，表明均值之间的差异是显著的，所检验的因素对观察值有显著影响若FF，则不能拒绝原假设H0，表明所检验的因素对观察值没有显著影响,单因素方差分析表(基本结构)P256,看懂,记住,例题分析P257,9.2.3 关系强度的测量,拒绝原假设表明因素(自变量)与观测值之间有关系组间平方和(SSA)度量了自变量(行业)对因变量(投诉次数)的影响效应只要组间平方和SSA不等于0，就表明两个变量之间有关系(只是是否显著的问题)
16、当组间平方和比组内平方和(SSE)大，而且大到一定程度时，就意味着两个变量之间的关系显著，大得越多，表明它们之间的关系就越强。反之，就意味着两个变量之间的关系不显著，小得越多，表明它们之间的关系就越弱,9.2.3关系强度的测量,变量间关系的强度用自组间平方和(SSA)及残差平方和(SSE)占总平方和(SST)的比例大小来反映自变量平方和占总平方和的比例记为R2,即其平方根R就可以用来测量两个变量之间的关系强度,关系强度的测量(例题分析),R=0.591404 结论：行业(自变量)对投诉次数(因变量)的影响效应占总效应的34.9759%，而残差效应则占65.0241%。即行业对投诉次数差异解释的
17、比例达到近35%，而其他因素(残差变量)所解释的比例近为65%以上 R=0.591404，表明行业与投诉次数之间有中等以上的关系,9.4 双因素方差分析,9.4.1 双因素方差分析及其类型9.4.2 无交互作用的双因素方差分析9.4.3 有交互作用的双因素方差分析,P261双因素方差分析(two-way analysis of variance),分析两个因素(行因素Row和列因素Column)对试验结果的影响 如果两个因素对试验结果的影响是相互独立的，分别判断行因素和列因素对试验数据的影响，这时的双因素方差分析称为无交互作用的双因素方差分析或无重复双因素方差分析(Two-factor wit
18、hout replication)如果除了行因素和列因素对试验数据的单独影响外，两个因素的搭配还会对结果产生一种新的影响，这时的双因素方差分析称为有交互作用的双因素方差分析或可重复双因素方差分析(Two-factor with replication),双因素方差分析的基本假定,每个总体都服从正态分布对于因素的每一个水平，其观察值是来自正态分布总体的简单随机样本各个总体的方差必须相同对于各组观察数据，是从具有相同方差的总体中抽取的观察值是独立的,双因素方差分析(例题分析),【例】有4个品牌的彩电在5个地区销售，为分析彩电的品牌(品牌因素)和销售地区(地区因素)对销售量是否有影响，对每种品牌在各
19、地区的销售量取得以下数据。试分析品牌和销售地区对彩电的销售量是否有显著影响？(=0.05),数据结构,数据结构,是行因素的第i个水平下各观察值的平均值,是列因素的第j个水平下的各观察值的均值,是全部 kr 个样本数据的总平均值,分析步骤(提出假设),1提出假设对行因素提出的假设为H0：m1=m2=mi=mk(mi为第i个水平的均值)H1：mi(i=1,2,k)不全相等对列因素提出的假设为H0：m1=m2=mj=mr(mj为第j个水平的均值)H1：mj(j=1,2,r)不全相等,分析步骤,计算平方和(SS)总误差平方和行因素误差平方和 列因素误差平方和 随机误差项平方和,2构造检验的统计量,分析
20、步骤,总离差平方和(SST)、水平项离差平方和(SSR和SSC)、误差项离差平方和(SSE)之间的关系,SST=SSR+SSC+SSE,3构造检验的统计量,分析步骤,计算均方(MS)误差平方和除以相应的自由度三个平方和的自由度分别是总离差平方和SST的自由度为 kr-1行因素的离差平方和SSR的自由度为 k-1列因素的离差平方和SSC的自由度为 r-1随机误差平方和SSE的自由度为(k-1)(r-1),4构造检验的统计量,分析步骤,计算均方(MS)行因素的均方，记为MSR，计算公式为列因素的均方，记为MSC，计算公式为随机误差项的均方，记为MSE，计算公式为,5构造检验的统计量,分析步骤,计算
21、检验统计量(F)检验行因素的统计量 检验列因素的统计量,6构造检验的统计量,分析步骤,将统计量的值F与给定的显著性水平的临界值F进行比较，作出对原假设H0的决策根据给定的显著性水平在F分布表中查找相应的临界值 F 若FRF，则拒绝原假设H0，表明均值之间的差异是显著的，即所检验的行因素对观察值有显著影响若FC F，则拒绝原假设H0，表明均值之间有显著差异，即所检验的列因素对观察值有显著影响,7统计决策,双因素方差分析表(基本结构),双因素方差分析(例题分析),提出假设对品牌因素提出的假设为H0：m1=m2=m3=m4(品牌对销售量没有影响)H1：mi(i=1,2,4)不全相等(品牌对销售量有影
22、响)对地区因素提出的假设为H0：m1=m2=m3=m4=m5(地区对销售量没有影响)H1：mj(j=1,2,5)不全相等(地区对销售量有影响),双因素方差分析(例题分析),结论：FR18.10777F3.4903，拒绝原假设H0，说明彩电的品牌对销售量有显著影响 FC2.100846 F3.2592，不能拒绝原假设H0，说明销售地区对彩电的销售量没有显著影响,本 章 小 结,一、9.1 方差分析的引论何谓方差分析？误差来源的分解（总离差平方和、组间离差平方和、组内离差平方和）方差分析的基本假定p313方差分析的基本思想及原理二、单因素方差分析（分析步骤、检验统计量，作决策，看懂p322-323表)三、关系强度的测定,
