《计算机数据库(经济会计类)讲方差分析(new)随堂讲义》由会员分享，可在线阅读，更多相关《计算机数据库(经济会计类)讲方差分析(new)随堂讲义（55页珍藏版）》请在金锄头文库上搜索。
1、10.1 方差分析引论 10.2 单因素方差分析,第10章 方差分析,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,10.1 方差分析引论,10.1.1 方差分析及其有关术语 10.1.2 方差分析的基本思想和原理 10.1.3 方差分析的基本假定 10.1.4 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),是检验多个总体均值是否相等 方差分析是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
2、(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4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4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 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
3、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,10.1.1方差分析中的有关术语,因素或因子(factor) 所要检验的对象 分析行业对投诉次数的影响，行业是要检验的因子 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 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,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4水平的试验 总体 因素的每一个水平可以看作是一个总体 零售业、旅游业、航空公司、家电制造业是4个总体 样本数据 被投诉次数可以看作是从这4个总体中抽取的样本数据,10
4、.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 (图形分析散点图),从散点图上可以看出 不同行业被投诉的次数有明显差异 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),散点图观察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 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
5、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,方差分析的基本思想和原理 (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之间的差异 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)之间观察值的差异 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
6、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SS),方差分析中，数据的误差用平方和(sum of squares)表示 组内平方和(within groups) 因素的同一水平下数据误差的平方和 比如，零售业被投诉次数的误差平方和 只包含随机误差 组间平方和(between groups) 因素的不同水平之间数据误差的平方和 比如，4个行业被投诉次数之间的误差平方和 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 (均方MS),平方和除以相应的自由度 若原假设成立，组间均方与组内均方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，组间均方会大于组内均方，
7、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，即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,10.1.3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须服从正态分布 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，4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
8、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4个正态总体的均值是否相等 如果4个总体的均值相等，可以期望4个样本的均值也会很接近 4个样本的均值越接近，推断4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 4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
9、)不全相等 至少有一个总体的均值是不同的 4个样本分别来自均值不同的4个正态总体,10.1.4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,10.2 单因素方差分析,10.2.1 数据结构 10.2.2 分析步骤 10
10、.2.3 关系强度的测量 10.2.4 方差分析中的多重比较,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
11、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 (计算组间平方和 SSA),各组平均值
12、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 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 (计算组内平方和 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 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=1456.608
13、696+2708,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 由误差平方和除以相应的自由度求得 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 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
14、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 ，则不拒绝原假设H0 ，无证据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),用Excel进行
15、方差分析 (Excel分析步骤),第1步：选择“工具 ”下拉菜单 第2步：选择【数据分析】选项 第3步：在分析工具中选择【单因素方差分析】 ， 然后选择【确定】 第4步：当对话框出现时 在【输入区域 】方框内键入数据单元格区域 在【】方框内键入0.05(可根据需要确定) 在【输出选项 】中选择输出区域,10.2.3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)与观测值之间有显著关系 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
16、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) 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,10.2.4方差分析中的多重比较 (multiple comparison procedures),多重比较的意义,通过对总体
