《方差分析与试验设计 (2)培训课件》由会员分享，可在线阅读，更多相关《方差分析与试验设计 (2)培训课件（100页珍藏版）》请在金锄头文库上搜索。
1、9.1 方差分析的引论 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 9.5 试验设计初步,第 9 章 方差分析与试验设计,学习目标,解释方差分析的概念 解释方差分析的基本思想和原理 掌握单因素方差分析的方法及应用 理解多重比较的意义 掌握双因素方差分析的方法及应用 掌握试验设计的基本原理和方法,9.1 方差分析引论,9.1.1 方差分析及其有关术语 9.1.2 方差分析的基本思想和原理 9.1.3 方差分析的基本假定 9.1.4 问题的一般提法,方差分析及其有关术语,什么是方差分析(ANOVA)?(analysis of variance),检验多个总体均值是
2、否相等 通过分析数据的误差判断各总体均值是否相等 研究分类型自变量对数值型因变量的影响 一个或多个分类型自变量 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,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
3、结为检验这四个行业被投诉次数的均值是否相等 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,方差分析中的有关术语,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 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 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,方差分析中的有关术语,试验 这里只涉及一个因素，因此称为单因素四水平的试验 总体
4、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 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,方差分析的基本思想和原理,方差分析的基本思想和原理(图形分析),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),仅从散点图上观察还不能提供充分的证据证明不同行业
5、被投诉的次数之间有显著差异 这种差异也可能是由于抽样的随机性所造成的 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,方差分析的基本思想和原理,1.比较两类误差，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,方差分析的基本思想和原理,方差分析的
6、基本思想和原理(两类误差),随机误差 因素的同一水平(总体)下，样本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，称为随机误差 系统误差 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(误差平方和),数据的误差用平方和(sum of squares)表示 组内平方和(within groups) 因素的同一水平(同一个总体)下样本数据的平方和 比如，零售
7、业被投诉次数的误差平方和 组内平方和只包含随机误差 组间平方和(between groups) 因素的不同水平(不同总体)下各样本之间的平方和 比如，四个行业被投诉次数之间的误差平方和 组间平方和既包括随机误差，也包括系统误差,方差分析的基本思想和原理(误差的比较),若原假设成立，组间平方和与组内平方和经过平均后的数值就应该很接近，它们的比值就会接近1 若原假设不成立，组间平方和平均后的数值就会大于组内平方和平均后的数值，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，也就是检验被投诉次数的差
8、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,方差分析的基本假定,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，
9、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,方差分析中基本假定,若备择假设成立，即H1 ： mi (i=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,问题的一般提法,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
10、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 用Excel进行方差分析,单因素方差分析的数据结构(one-way analysis of variance),分析步骤 提出假设 构造检验统计量 统计决策,提出假
11、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,构造检验的统计量,构造统计量需要计算 水平的均值 全部观察值的总均值 误差平方和 均方(MS),构造检验的统计量(计算水平的均值),假定从第i个总体中抽取一个容量为ni的简单随机样本，第i个总体的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,构造检验的统计量(计算
12、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,构造检验的统计量(例题分析),构造检验的统计量(计算总误差平方和 SST),全部观察值 与总平均值 的离差平方和 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,构造检验的统计量(计算水平项平方和 SSA),各组平均值 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,构造检验的统计量(计算
13、误差项平方和 SSE),每个水平或组的各样本数据与其组平均值的离差平方和 反映每个样本各观察值的离散状况，又称组内平方和 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,构造检验的统计量(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,前例的计算结果： 4164.608696=1456.608696+2708,构造检验的统计量(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
14、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和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,构造检验的统计量(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为因素水平(总体)的个数
15、 SSE 的自由度为n-k,构造检验的统计量(计算均方 MS),组间方差：SSA的均方，记为MSA，计算公式为,组内方差：SSE的均方，记为MSE，计算公式为,构造检验的统计量(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,构造检验的统计量(F分布与拒绝域),如果均值相等，F=MSA/MSE1,统计决策, 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分布表中查找与第一自由度df1k-1、第二自由度df2=n-k 相应的
16、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 ，无证据支持表明所检验的因素对观察值有显著影响,单因素方差分析表(基本结构),单因素方差分析(例题分析),关系强度的测量,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) 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,关系强度的测量,变量间关系的强度用自变量平方和(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：
